cellxgene-census
以编程方式查询 CZ CELLxGENE Census，用于带版本的公开单细胞与空间转录组数据。当你需要群体规模的细胞元数据、基因表达切片、Census 汇总计数、来源 H5AD URI/下载、嵌入、空间 Census 数据，或在不同物种、组织、疾病、检测/实验类型与细胞类型之间进行参考图谱对比时使用。若要分析你自己的本地单细胞数据，请使用 scanpy、anndata 或 scvi-tools。
cellxgene-census：单细胞转录组数据的云端查询工具
技能概述
cellxgene-census 是一个用于程序化查询 CZ CELLxGENE Census 单细胞和空间转录组数据的技能，提供对 2.17 亿+ 细胞、1845+ 数据集的访问，无需下载完整数据集即可进行高效分析。
适用场景
-
大规模单细胞数据探索 当您需要查询特定组织、细胞类型或疾病的单细胞表达数据时，该技能可直接从云端获取数据。例如查询大脑组织中的神经元细胞、COVID-19 患者的 T 细胞，或统计免疫系统的细胞类型分布。
-
机器学习模型训练 在单细胞数据上训练分类器或聚类模型时，该技能支持流式加载和 PyTorch 集成。通过 TileDB-SOMA-ML，可以高效训练细胞类型分类器，处理数百万细胞的表达矩阵，而无需一次性加载全部数据到内存。
-
跨数据集整合分析 需要比较不同组织、疾病或实验条件的单细胞数据时，该技能可同时查询多个数据集并返回标准化的 AnnData 对象。结合 Scanpy 工作流，可直接进行降维、聚类和差异表达分析。
核心功能
-
灵活的单细胞数据查询 支持按细胞类型、组织、疾病、物种等多维度过滤单细胞数据，可查询小规模数据（使用
get_anndata）或超大规模数据（使用axis_query流式处理）。返回标准化的 AnnData 格式，无缝对接 Scanpy 分析流程。 -
空间转录组数据访问 提供空间转录组测序数据（如 Visium、Slide-seq V2）的查询接口，可按数据集 ID 获取空间坐标和表达矩阵，输出 SpatialData 格式用于空间可视化分析。
-
元数据探索与统计 在查询表达数据前，可先探索数据集概览、细胞类型分布、组织统计等元数据信息。该功能帮助用户快速了解可用数据范围，设计更精确的查询条件。
常见问题
cellxgene census 需要认证吗？
不需要认证。Census 公共数据集完全开放访问，无需注册或 API 密钥。只需安装 Python 包（pip install cellxgene-census）即可开始查询数据。对于需要更高访问频率或私有数据的场景，可能需要联系 CZI 获取特殊权限。
如何避免查询重复的细胞数据？
在查询条件中始终添加 is_primary_data == True 过滤器。Census 中某些细胞可能被多个数据集收录，is_primary_data 标记了去重后的唯一细胞。如果不加此过滤器，同一细胞可能被多次计数，导致统计结果偏高。
如何处理内存不足的单细胞查询？
当查询返回超过 10 万细胞时，建议使用 axis_query() 进行分批处理而非一次性加载全部数据。该技能支持流式读取表达矩阵，可逐块计算统计量或训练模型，显著降低内存占用。同时可通过 tissue 替代 tissue_general、指定特定 dataset_id 等方式缩小查询范围。