用途：该技能提供对 CZ CELLxGENE Discover 标准化单细胞数据的编程访问，适合按细胞类型、组织、疾病或供体查询表达数据，探索可用数据集与元数据，开展跨数据集的大规模分析，以及为机器学习模型准备单细胞数据。
主要能力：数据规模为 6100 万以上人类与小鼠细胞；包含标准化元数据（细胞类型、组织、疾病、供体）、原始基因表达矩阵、预计算嵌入与统计；可与 PyTorch、scanpy 等分析工具集成。支持通过 obs_value_filter、var_value_filter、obs_column_names 等参数进行细胞与基因筛选，支持 in、and、or 等条件组合；可分别获取细胞元数据（get_obs）与基因元数据（get_var）。中小规模查询使用 get_anndata()；超出内存的大规模查询使用 axis_query() 与迭代分批处理。实验性 PyTorch 集成提供 experiment_dataloader 与 ExperimentDataset，支持训练、测试集切分。
使用方式：安装命令为 uv pip install cellxgene-census；机器学习工作流可安装 uv pip install cellxgene-census[experimental]。打开数据集时使用上下文管理器，例如 with cellxgene_census.open_soma() as census，并可通过 census_version 指定版本以保证可复现。查询前建议先用 get_obs 估算细胞数量，超过约 10 万时改用 out-of-core 处理。
适用场景：探索某组织中的细胞类型分布、查询标志基因表达、跨组织比较（如巨噬细胞在肺、肝、脑中的差异）、训练细胞类型分类器，以及将 Census 数据接入 scanpy 的标准降维与可视化流程。
限制与注意事项：查询时通常需包含 is_primary_data == True 以避免重复计数；生产分析应显式指定 census_version；基因名区分大小写，必要时使用 Ensembl ID（feature_id）；部分基因可能在 Census 构建过程中被过滤。资料未提供具体收费、价格与授权信息。