用途：在单细胞RNA测序中为聚类寻找标记基因，并依据经典标记人工注释细胞类型。工作流为聚类后排序各簇相对其余细胞的差异基因，再映射到细胞类型。
主要能力：Python用sc.tl.rank_genes_groups()，R用Seurat::FindAllMarkers()排序标记；可按效应量与表达比例过滤，如logfoldchanges>1、pct_nz_group>0.5、pct_nz_reference<0.25，Seurat中用avg_log2FC>1、(pct.1-pct.2)>0.2。支持基因签名评分：sc.tl.score_genes()与Seurat::AddModuleScore()，均用表达分箱对照集，阈值须按数据集自身分布确定。细胞周期评分可用sc.tl.score_genes_cell_cycle()与CellCycleScoring()。人工注释通过字典映射，如adata.obs['leiden'].map(cluster_labels)，R用RenameIdents()。
使用方式：安装版本参考scanpy 1.10+、Seurat 5.0+、anndata 0.10+；不匹配时用pip show或packageVersion()核对API。Seurat建议安装presto以加速Wilcoxon。
关键限制：聚类标记检验属双重 dipping，p值不是细胞类型真实性的证据，应按效应量而非p值筛选。条件差异表达须用伪批量：按样本×细胞类型聚合原始计数，再用DESeq2/edgeR/limma-voom，不能以细胞为重复。Seurat v5的FindMarkers默认logfc.threshold=0.1、min.pct=0.01，较v4宽松，需显式提高阈值。scanpy的method=None实为t检验，需显式method='wilcoxon'。同一簇标记在不同组织可能不通用，须逐一验证。
适用场景：PBMC等常见细胞类型注释，如CD4 T（CD3D、CD4、IL7R）、CD8 T（CD3D、CD8A、CD8B）、B（MS4A1、CD79A、CD19）、NK（NKG7、GNLY、NCAM1）、CD14 Mono（CD14、LYZ、S100A8）等；跨条件组成变化应另用差异丰度分析。