用途：该技能用于程序化访问 CZ CELLxGENE Discover 的标准化单细胞基因组数据集合，支持跨数千数据集的查询与分析。
主要能力：数据含 6100 万+ 人类与小鼠细胞、标准化元数据（细胞类型、组织、疾病、供体等）、原始基因表达矩阵、预计算嵌入与统计。支持按细胞类型/组织/疾病过滤、检索表达数据、大规模跨数据集分析，并可与 scanpy、PyTorch 集成。
使用方式：安装 uv pip install cellxgene-census，机器学习流程需 uv pip install cellxgene-census[experimental]。用 with cellxgene_census.open_soma() as census 打开，可用 census_version 指定版本复现分析。中小查询（<10 万细胞）用 get_anndata/get_obs/get_var；大规模查询用 axis_query() 配合迭代分块处理；机器学习用 experiment_dataloader 或 ExperimentDataset，支持 random_split 划分训练/测试集。
适用场景：探索某组织细胞类型组成、查询标记基因表达、训练细胞类型分类器、跨组织比较（如巨噬细胞在各组织差异）等。
限制与最佳实践：查询需带 is_primary_data == True 避免重复细胞；生产分析应显式指定 census_version；先估算查询细胞数，超过约 10 万建议改用核外处理；使用 tissue_general 做粗分组、tissue 做细粒度；只选需要的元数据列；基因查询可用特征存在矩阵确认是否被测量。常见问题包括返回细胞过多、内存错误、重复细胞、基因未找到和版本不一致。更详细的模式可参考 references/census_schema.md 与 references/common_patterns.md。