alterlab-scvi-tools

scvi-tools

概述

scvi-tools 是一个用于单细胞基因组学概率模型的综合性 Python 框架。它基于 PyTorch 和 PyTorch Lightning 构建，通过变分推断提供深度生成模型，用于分析多种单细胞数据模态。

何时使用此技能

适用于以下场景：

• 分析单细胞 RNA-seq 数据（降维、批次校正、整合）
• 处理单细胞 ATAC-seq 或染色质可及性数据
• 整合多模态数据（CITE-seq、multiome、配对／非配对数据集）
• 分析空间转录组数据（去卷积、空间映射）
• 对单细胞数据进行差异表达分析
• 执行细胞类型注释或迁移学习任务
• 处理专用单细胞模态（甲基化、流式细胞术、RNA velocity）
• 为单细胞分析构建自定义概率模型

不适用场景

场景	改用
标准 QC -> 归一化 -> HVG -> PCA -> UMAP -> Leiden -> 标记基因 DE	alterlab-scanpy
读取、重塑或拼接 .h5ad 对象本身	alterlab-anndata
使用预训练基础模型进行零样本注释或生成嵌入	alterlab-scgpt
根据剪接／未剪接计数分析 RNA velocity（scVelo 的 EM／动力学模型）	alterlab-scvelo
对 Visium／Xenium 切片进行空间邻域统计、Moran's I、配体-受体分析	alterlab-squidpy-spatial
Bulk RNA-seq 差异表达分析	alterlab-pydeseq2

核心能力

scvi-tools 按数据模态组织模型：

1. 单细胞 RNA-seq 分析

用于表达分析、批次校正和整合的核心模型。参见 references/models-scrna-seq.md：

• scVI：无监督降维和批次校正
• scANVI：半监督细胞类型注释和整合
• AUTOZI：零膨胀检测和建模
• VeloVI：RNA velocity 分析
• contrastiveVI：分离扰动效应

2. 染色质可及性（ATAC-seq）

用于分析单细胞染色质数据的模型。参见 references/models-atac-seq.md：

• PeakVI：基于峰的 ATAC-seq 分析和整合
• PoissonVI：定量片段计数建模
• scBasset：结合基序分析的深度学习方法

3. 多模态与多组学整合

联合分析多种数据类型。参见 references/models-multimodal.md：

• totalVI：联合建模 CITE-seq 蛋白质和 RNA
• MultiVI：配对和非配对多组学整合
• MrVI：多分辨率跨样本分析

4. 空间转录组学

空间分辨的转录组分析。参见 references/models-spatial.md：

• DestVI：多分辨率空间去卷积
• Stereoscope：细胞类型去卷积
• Tangram：空间映射和整合
• scVIVA：细胞与环境关系分析

5. 专用模态

其他专用分析工具。参见 references/models-specialized.md：

• MethylVI/MethylANVI：单细胞甲基化分析
• CytoVI：流式／质谱细胞术批次校正
• Solo：双细胞检测
• CellAssign：基于标记基因的细胞类型注释

典型工作流

所有 scvi-tools 模型都遵循一致的 API 模式：

# 1. Load and preprocess data (AnnData format)
import scvi
import scanpy as sc

adata = scvi.data.heart_cell_atlas_subsampled()
sc.pp.filter_genes(adata, min_counts=3)
sc.pp.highly_variable_genes(adata, n_top_genes=1200)

# 2. Register data with model (specify layers, covariates)
scvi.model.SCVI.setup_anndata(
    adata,
    layer="counts",  # Use raw counts, not log-normalized
    batch_key="batch",
    categorical_covariate_keys=["donor"],
    continuous_covariate_keys=["percent_mito"]
)

# 3. Create and train model
model = scvi.model.SCVI(adata)
model.train()

# 4. Extract latent representations and normalized values
latent = model.get_latent_representation()
normalized = model.get_normalized_expression(library_size=1e4)

# 5. Store in AnnData for downstream analysis
adata.obsm["X_scVI"] = latent
adata.layers["scvi_normalized"] = normalized

# 6. Downstream analysis with scanpy
sc.pp.neighbors(adata, use_rep="X_scVI")
sc.tl.umap(adata)
sc.tl.leiden(adata)

关键设计原则：

• 需要原始计数：模型需要未归一化的计数数据，以获得最佳性能
• 统一 API：所有模型均采用一致的接口（设置 → 训练 → 提取）
• 以 AnnData 为中心：与 scanpy 生态系统无缝集成
• GPU 加速：自动利用可用的 GPU
• 批次校正：通过协变量注册处理技术变异

常见分析任务

差异表达

使用学得的生成模型进行概率差异表达分析：

de_results = model.differential_expression(
    groupby="cell_type",
    group1="TypeA",
    group2="TypeB",
    mode="change",  # composite hypothesis testing with an effect-size threshold
    delta=0.25,     # minimum |LFC| to count as a real change
)

# Significance lives in proba_de (posterior prob. of DE), NOT a p-value.
# In "change" mode this is the posterior prob. that |LFC| > delta.
sig = de_results[de_results["proba_de"] > 0.95]

完整的输出架构和解读方式，请参见 references/differential-expression.md。

模型持久化

保存和加载训练好的模型：

# Save model
model.save("./model_directory", overwrite=True)

# Load model
model = scvi.model.SCVI.load("./model_directory", adata=adata)

批次校正与整合

整合跨批次或研究的数据集：

# Register batch information
scvi.model.SCVI.setup_anndata(adata, batch_key="study")

# Model automatically learns batch-corrected representations
model = scvi.model.SCVI(adata)
model.train()
latent = model.get_latent_representation()  # Batch-corrected

理论基础

scvi-tools 构建于以下基础之上：

• 变分推断：近似后验分布，以实现可扩展的贝叶斯推断
• 深度生成模型：通过 VAE 架构学习复杂的数据分布
• 摊销推断：通过共享神经网络，高效地跨细胞进行学习
• 概率建模：以有原则的方式量化不确定性并进行统计检验

详细了解数学框架，请参阅 references/theoretical-foundations.md。

更多资源

• 工作流：references/workflows.md 包含常见工作流、最佳实践、超参数调优和 GPU 优化
• 模型参考：references/ 目录中提供各模型类别的详细文档
• 官方文档：https://docs.scvi-tools.org/en/stable/
• 教程：https://docs.scvi-tools.org/en/stable/tutorials/index.html
• API 参考：https://docs.scvi-tools.org/en/stable/api/index.html

安装

uv pip install scvi-tools
uv pip install "scvi-tools[cuda]"      # CUDA 12; use [cuda13] for CUDA 13
uv pip install "scvi-tools[metal]"     # Apple silicon (MPS)
uv pip install "scvi-tools[autotune]"  # hyperparameter search (Ray Tune)

版本说明（2026-09）：scvi-tools 1.5 完全移除了 JAX 后端，因此 scvi.model.JaxSCVI 和其他以 Jax 开头的模型已不复存在——所有内容都运行在 PyTorch/Lightning 上（Apple 芯片另有 mlxSCVI 变体）。Tangram 也在 1.5.0 中迁移到了 PyTorch 后端，因此 结果可能与 JAX 时代的运行略有不同；请重新运行，不要在同一项比较中混用新旧输出。

最佳实践

1. 使用原始计数：始终向模型提供未归一化的计数数据
2. 筛选基因：分析前移除低计数基因（例如，min_counts=3）
3. 注册协变量：在 setup_anndata 中纳入已知的技术因素（批次、供体等）
4. 特征选择：使用高变基因以提升性能
5. 保存模型：始终保存训练好的模型，以避免重新训练
6. 使用 GPU：为大型数据集启用 GPU 加速（accelerator="gpu"）
7. 集成 Scanpy：将输出存储在 AnnData 对象中，以便进行下游分析