用途：对空间转录组数据做空间统计，量化表达或细胞类型排布中的空间结构，包括空间可变基因（SVG）、空间自相关和细胞类型共定位。
主要能力：Python 侧用 squidpy.gr.spatial_autocorr（Moran/Geary）、squidpy.gr.nhood_enrichment、squidpy.gr.co_occurrence、squidpy.gr.ripley，以及 esda.Moran_Local、esda.getisord.G_Local；R 侧用 SPARK、SPARK-X、nnSVG 做 SVG，spdep 做 Moran/Geary/Getis-Ord/LISA。参考示例测试版本为 squidpy 1.4+、scanpy 1.10+、anndata 0.10+、esda 2.5+、libpysal 4.9+。
使用方式：先构建邻接图，再按基因计算统计量并做置换检验与 FDR 校正。示例：sq.gr.spatial_neighbors(adata, coord_type='generic', n_neighs=6)；sq.gr.spatial_autocorr(adata, mode='moran', n_perms=100, corr_method='fdr_bh')；结果在 adata.uns['moranI']。局部统计可用 G_Local(gene, w, transform='B', star=True, permutations=999) 与 Moran_Local(gene, w, permutations=999)。共定位可用 sq.gr.nhood_enrichment(adata, cluster_key='cell_type', n_perms=1000) 与 sq.gr.co_occurrence。
适用场景：判断组织在何处有结构、基因是否呈空间聚集、热点/冷点位置、细胞类型是否在空间上特异关联。
限制：SVG 常由细胞类型空间聚集驱动，未必是空间调控；结果依赖邻接图与零模型选择，不同方法零假设不同、排序会变；Moran/Geary 无法区分高值与低值聚集；局部统计存在多重检验与空间自相关导致 FDR 失效的问题；共定位默认全局置换零模型较弱，需更强零模型验证；距离参数需先换算为微米；细胞邻域为描述性聚类，无推断零模型。缺失事实暂未提供。