scvi-tools 是面向单细胞基因组学的 Python 概率建模框架，基于 PyTorch 与 PyTorch Lightning，采用变分推断与深度生成模型分析多种单细胞数据模态。
用途：适用于 scRNA-seq 的降维、批次校正与整合；scATAC-seq 或染色质可及性分析；多模态数据整合（CITE-seq、multiome、配对/非配对数据集）；空间转录组分析（反卷积、空间映射）；单细胞差异表达分析；细胞类型注释与迁移学习；以及甲基化、流式/质谱流式、RNA 速率等专用模态分析，也可用于构建自定义概率模型。
主要能力按模态组织：RNA-seq 方向的 scVI（无监督降维与批次校正）、scANVI（半监督细胞类型注释与整合）、AUTOZI、VeloVI、contrastiveVI；ATAC-seq 方向的 PeakVI、PoissonVI、scBasset；多模态方向的 totalVI、MultiVI、MrVI；空间转录组方向的 DestVI、Stereoscope、Tangram、scVIVA；专用方向包括 MethylVI/MethylANVI、CytoVI、Solo、CellAssign。
使用方式：所有模型遵循统一 API，先以 AnnData 格式导入并预处理数据，调用 setup_anndata 注册数据（指定 layer、batch_key、分类与连续协变量），再创建模型并 train() 训练，随后通过 get_latent_representation() 与 get_normalized_expression() 提取潜在表示和归一化表达，结果存入 AnnData 供 scanpy 下游分析。差异表达可用 differential_expression()，模型可用 save() 与 load() 持久化。
安装：pip install scvi-tools；GPU 支持：pip install scvi-tools[cuda]。
限制与注意事项：模型期望未归一化的原始计数数据；建议先过滤低表达基因并选择高变基因；需在 setup_anndata 中注册已知技术因素；大样本可启用 GPU 加速；建议保存训练好的模型避免重训。官方文档、教程与 API 参考地址见资料。具体模型超参数与性能表现暂未提供。