用途：scGPT 是单细胞生物学基础模型，用于对单细胞表达数据生成细胞嵌入并进行细胞注释。
主要能力：加载 scGPT 词表与检查点；对 AnnData 数据生成每个细胞的嵌入向量（默认 512 维），结果存放在 .obsm["X_scGPT"]，可交给 scanpy 做邻居图、UMAP、Leiden 聚类等下游分析，或与 scvi-tools 的潜空间比较。
使用方式：环境需 Python 3.10+（推荐 3.11）、CUDA 12.1+（推荐 12.4+）、GPU 显存至少 16 GB（推荐 24 GB+）。检查点是原始目录（args.json、best_model.pt、vocab.json），不是 Hugging Face 仓库，需指向目录路径。加载词表：from scgpt.tokenizer.gene_tokenizer import GeneVocab；gv = GeneVocab.from_file("/path/to/scgpt-human/vocab.json")。嵌入：from scgpt.tasks import embed_data；emb = embed_data(adata, model_dir="/path/to/scgpt-human", gene_col="feature_name", use_fast_transformer=False)。也可在远程算力上提交任务，通过 host.compute.create(provider) 与 submit_job 运行 embed.py，再用 wait_for_notification 等待完成并保存产物。
适用场景：单细胞表达数据的嵌入、聚类与注释，以及与其他潜空间方法的对比。
限制与注意：use_fast_transformer 默认 True，但可能因 flash_attn 无法导入而失败，建议显式设为 False；基因名必须与词表匹配，不匹配的基因会被丢弃，需正确设置 gene_col；旧版 torchtext 兼容层可能导致 'Vocab' 对象属性错误；环境清单中该发行版名为 scGPT，查找时需规范化键名。官方未提供收费、价格或效果数据。