用途：面向群体规模的单细胞表达数据查询与分析，可从经整理的图谱中按细胞类型、组织、疾病等条件检索表达数据，构建参考数据集、发现标记基因，或在 PyTorch 中训练大规模单细胞模型。分析自有 scRNA-seq 数据时宜改用 scanpy，操作 AnnData 对象时宜用 anndata。
主要能力：open_soma 连接最新稳定版或指定日期版本，census_info 提供总细胞数与数据集元数据；get_obs 与 get_var 查询细胞和基因元数据；get_anndata 返回表达矩阵 AnnData（适合小于约 10 万细胞的查询）；axis_query 以分块流式处理超大规模查询；get_presence_matrix 检查基因在各数据集中的测量情况；experimental.ml 的 experiment_dataloader 支持 PyTorch 训练。
使用方式：安装 pip install cellxgene-census，机器学习流程可安装 pip install cellxgene-census[experimental]。使用 open_soma 上下文管理器打开，配合 SOMA 过滤表达式（and、or、in、比较运算）进行筛选，并始终包含 is_primary_data == True。示例见官方 quick start。
适用场景：跨组织细胞类型比较、疾病（如 COVID-19）与健康对照的基因表达对比、导出子集为 h5ad、多组织数据集汇总等。
限制：无明确 API 速率限制，但大于 100 万细胞的查询建议采用外存处理以避免内存耗尽；get_anndata 查询过大时会触发 MemoryError；生产分析应固定 census_version 以保证可复现；部分基因可能不存在于所有数据集，需用 presence matrix 校验；后端短暂不可用时需重试。平台、价格与具体效果资料暂未提供。