用途：当用户已有聚类后的 AnnData 或 SingleCellExperiment 数据，需要为 adata.obs 生成细胞类型标签时，用该技能生成注释代码。
主要能力与四种路径：
- 自动化——CellTypist 逻辑回归分类器（按物种与组织选择模型）。
- 参考注释——SingleR（R）或 scANVI、sc.tl.ingest（Python）标签迁移。
- 标记基因——依据经典 marker 面板人工判读。
- 分层注释——先粗分免疫/基质/上皮等区室，再细分。
必要用法：CellTypist 需 log1p(CP10k) 归一化数据、基因名为 HGNC/MGI 符号，调用 celltypist.annotate() 时建议 majority_voting=True，结果经 predictions.to_adata() 取回，置信度见 .obs['conf_score']，低于 0.5 置为 Unknown。SingleR 需 logcounts assay，参考取自 celldex，低质量结果用 pruneScores 剪除。sc.tl.ingest 要求查询与参考共享 PCA 空间；批次效应明显时改用 scANVI 的 load_query_data。
适用场景：PBMC/免疫、肺、肠道、脑等组织的注释与图谱映射。
限制：模型或参考必须匹配物种与组织；未归一化或使用 Ensembl ID 会静默降质；小簇（<20 细胞）不宜赋罕见亚型；注释需用 dotplot 与比例合理性校验，无明确标记的簇应保留 Unknown。具体脚本与阈值以实际数据为准。