用途：在已有轨迹推断结果（如 Palantir、VIA、DPT 伪时间）之后，识别沿发育轨迹变化最显著、且驱动特定谱系的基因。
主要能力：一、基因选择，自适应阈值回归（ATR）迭代剔除低系数基因并监控 R²，找出解释伪时间的最小基因集；二、谱系打分，用 Mellon 在流形上估计密度，定位低密度转变区域，并按谱系计算变异打分，找出命运驱动基因；三、统计验证，kendalltau_filter 计算每个基因与伪时间的 Kendall's tau 及 p 值；四、可视化，plot_filtering、plot_fitting、plot_color_fitting；五、支持 ATAC 模式（atac_init、get_related_peak）与伪时间/表达噪声数据增强。
使用方式：先确保 adata.obs 中存在伪时间列并按需执行 PCA，安装 mellon（pip install mellon）。基本流程：用 ov.single.Fate(adata, pseudotime='dpt_pseudotime') 初始化，依次调用 model_init、ATR、model_fit、kendalltau_filter、low_density、lineage_score，再用 fate.filter_coef.index 与 adata.var['change_scores_lineage'] 取交集排序得到候选基因。
限制：low_density 依赖 mellon，缺失会报错；pseudotime 列名必须存在于 adata.obs，含 NaN 需先处理；ATR 后 R² 过低（<0.3）说明伪时间与表达相关性弱，可换轨迹方法或增大 stop；lineage_score 全为 0 通常因指定谱系细胞过少；显存不足时可设 CUDA_VISIBLE_DEVICES="" 强制 CPU。收费、价格与平台信息暂未提供。