用途：处理单细胞 RNA-seq 数据与表达矩阵，既支持从原始计数到细胞类型注释的完整流程，也支持针对性的表达层面分析（按细胞类型的差异表达、相关性、ANOVA、聚类）。适用数据格式包括 h5ad、10X、CSV/TSV 计数矩阵，也可处理已预处理的注释或降维结果。
主要能力：质控与过滤（线粒体基因比例、最少基因数/细胞数）、归一化（normalize_total、log1p）、高变基因、PCA、UMAP/t-SNE、Leiden/Louvain 聚类、细胞类型注释、marker 基因、按细胞类型或条件的差异表达（wilcoxon 等）、基因属性与表达的相关性、t 检验、ANOVA、批次校正（Harmony 等），以及细胞通讯（配体-受体）与轨迹/伪时间分析。差异表达结果可接 GO/KEGG/Reactome 富集。
使用方式：需安装 scanpy、anndata、leidenalg、umap-learn、harmonypy、gseapy、pandas、numpy、scipy、scikit-learn、statsmodels，命令为 pip install scanpy anndata leidenalg umap-learn harmonypy gseapy pandas numpy scipy scikit-learn statsmodels。典型流程为读取数据（sc.read_h5ad、sc.read_10x_mtx/read_10x_h5 或 pandas 读入后转 AnnData），检查矩阵方向（AnnData 以细胞为行、基因为列），再做质控、归一化与分析。
适用场景：细胞类型鉴定、聚类与注释、按细胞类型或条件做差异表达、免疫细胞类型相关分析、表达矩阵的 PCA/聚类、批次效应处理等。
限制：仅面向单细胞与表达矩阵；纯批量 RNA-seq 的 DESeq2、仅基因富集、VCF/变异分析、统计建模（回归/生存）应使用其他技能。部分实现细节在 references/ 中按需展开，本文未提供的收费、价格、平台与具体效果信息暂未提供。