用途：在空间转录组数据中将 RNA 与第二种模态（蛋白、ATAC 或组蛋白修饰）整合，适用于 spatial CITE-seq、DBiT-seq、spatial-ATAC、Visium CytAssist 等数据。
核心判断：先区分数据属于“垂直”还是“对角”两类，这是分类性决策而非调参。垂直指同像素共测（如 spatial-CITE-seq、DBiT-seq、Visium CytAssist Gene+Protein），配对真实，可用联合方法；对角指相邻切片的两种模态，是不同细胞群，只能做空间配准，不能当作同一细胞耦合。若情况不明，默认按对角处理。
主要流程：同像素数据用 muon/mudata 构建共享像素索引的 MuData，可运行 mu.tl.mofa 学习跨模态联合因子，或使用 WNN 类加权；跨切片数据用 PASTE/PASTE2 最优传输、STalign 微分同胚配准或 GPSA 公共坐标对齐，输出是坐标对应而非细胞对应。
必要用法：蛋白模态应使用 CLR 处理而非 log1p；若像素不匹配需先 mu.pp.intersect_obs 取交集。常用命令包括 mu.tl.mofa(mdata, n_factors=10, use_var='highly_variable', outfile=None)、pst.pairwise_align(sliceA, sliceB) 与 pst.stack_slices_pairwise。参考示例测试版本含 muon 0.1+、mudata 0.2+、scanpy 1.10+、anndata 0.10+、mofapy2 0.7+、paste-bio 1.4+；使用前需核对实际安装版本，遇 ImportError、AttributeError 或 TypeError 应查看包签名并适配。
常见限制：像素/spot 为 10-55 um，常含多个细胞，所谓“单细胞多组学”多为下游分箱声明；蛋白或 ATAC 侧为靶向 panel，标记“缺失”未必说明不存在；若某因子或权重几乎全由单一模态驱动，不应当作多组学结构；跨切片推断的耦合只能标注为插补结果。平台与方法更新快，具体共捕获能力与推荐联合方法暂未提供，需查阅厂商与工具文档核实。