用途：scVelo 是单细胞 RNA 测序 RNA 速率分析的主流 Python 包，通过建模 mRNA 剪接动力学，利用未剪接（pre-mRNA）与已剪接（成熟 mRNA）丰度之比判断基因在各细胞中上调或下调，从而在无需时间序列数据的情况下重建发育轨迹、识别细胞命运决定。
主要能力：支持随机、确定性与动力学三种速率模型；可计算速率图、潜在时间与速率伪时间；进行驱动基因分析、速率置信度与速率长度评估；绘制速率流图、箭头图、相图与热图；结合 PAGA 构建轨迹图。动力学模型可输出转录率 fit_alpha、剪接率 fit_beta、降解率 fit_gamma 等参数。
使用方式：安装命令 pip install scvelo。数据需为含 layers["spliced"] 与 layers["unspliced"] 的 AnnData，可由 velocyto、STARsolo 或 kallisto|bustools 的 lamanno 模式生成。典型流程为：scv.pp.filter_and_normalize 预处理，sc.pp.neighbors 与 scv.pp.moments 计算矩，scv.tl.velocity 估计速率，scv.tl.velocity_graph 构建图，再按需运行 scv.tl.recover_dynamics、scv.tl.latent_time、scv.tl.rank_velocity_genes 等。
适用场景：发育生物学中的造血、神经发生、上皮间质转化建模；祖细胞与下游命运预测；为 UMAP 嵌入补充方向信息；驱动基因识别。
限制：需要未剪接读段覆盖，短读长（<100 bp）可能不足；建议至少 2000 个细胞；动力学模型计算量大，约 10K 细胞需 10–30 分钟；结果依赖 k-NN 带宽与模型选择，需结合已知生物学校验。文档：https://scvelo.readthedocs.io/；GitHub：https://github.com/theislab/scvelo；论文：Bergen et al. (2020) Nature Biotechnology，PMID: 32747759。