用途：ov.datasets 是 OmicVerse 的内置数据集模块，用于教程、演示、流程测试和基因集分析，替代手动下载文件或依赖 scanpy.datasets。
主要能力：提供 30+ 数据集，覆盖单细胞（pbmc3k、pbmc8k、paul15、bone_marrow 等）、RNA 速率与轨迹（dentate_gyrus、zebrafish、pancreas_cellrank 等）、空间与多组学（seqfish、multi_brain_5k）、bulk RNA-seq 与解卷积，以及合成数据（create_mock_dataset、blobs）。create_mock_dataset() 可配置细胞数、基因数、细胞类型数，并用负二项分布生成表达；with_clustering=True 会附加标准化、HVG、缩放、PCA、UMAP、leiden。predefined_signatures 提供细胞周期、性别、线粒体、核糖体、凋亡及组织特异等 GMT 基因集，可用 load_signatures_from_file 读取为 dict。加载后自动调用 var_names_make_unique()。
使用方式：如 adata = ov.datasets.pbmc3k()，预处理版用 pbmc3k(processed=True)；模拟数据用 ov.datasets.create_mock_dataset(n_cells=500, n_genes=200)；基因集用 from omicverse.datasets import predefined_signatures, load_signatures_from_file。默认缓存目录为工作目录下的 ./data/，已存在则跳过下载，多镜像回退，多数函数下载失败会生成模拟数据。
限制：multi_brain_5k() 返回 MuData，需先 pip install muon；dentate_gyrus 的 loom 文件约 200MB，下载慢，可用 dentate_gyrus_scvelo() 小数据集替代；模拟数据不含 .raw 或 counts 层，需手动补充。依赖 omicverse、scanpy、anndata、numpy、pandas，下载用 tqdm、requests。