该技能用于成像质谱流式（IMC）数据中的细胞表型注释，即根据标志物表达给细胞分配类型。主要能力涵盖三类方法：手动门控、聚类注释与自动化分类，并提供数据加载、转换、可视化与结果保存流程。
用途与流程：加载单细胞数据（可从 h5ad 读取 ad.read_h5ad('imc_segmented.h5ad')，或从 cell_intensities.csv、cell_info.csv 构建 AnnData 对象）；对强度数据做 arcsinh 变换（常用 cofactor=5）及 Z-score 归一化。
主要能力：聚类表型分析使用 sc.pp.pca、sc.pp.neighbors、sc.tl.leiden、sc.tl.umap 等步骤，并通过 sc.pl.umap 可视化聚类；手动门控按标志物阈值划分（示例中 CD45、CD3、CD8、CD4 阈值分别为 1.5、1.0、0.8、0.8），可为细胞分配 CD8 T 细胞、CD4 T 细胞等类型；聚类注释可结合 sc.tl.rank_genes_groups 找各簇标志物并手工映射细胞类型；SOM 风格聚类用 minisom 的 MiniSom 加层次聚类近似 FlowSOM，资料说明如需原生 FlowSOM 应使用 R 的 CATALYST 包；自动化注释用 KNeighborsClassifier 基于带标签参考数据训练并预测，同时给出预测概率。最后可导出为 imc_phenotyped.h5ad 或细胞表型 CSV。
适用场景：IMC 单细胞数据的细胞类型划分、细胞组成频率统计与空间分布可视化。
限制：资料未提供各方法的准确性或适用条件说明，阈值与聚类参数仅为示例，需按自身数据调整；FlowSOM 的 Python 实现仅为近似；参考数据与标签质量影响自动化分类结果。