用途：把多重抗体成像（CODEX/PhenoCycler、MIBI-TOF、IMC、CyCIF、Opal/Vectra mIF）得到的细胞×标志物蛋白强度矩阵，转成带表型标签的细胞和空间邻域结果。核心原则是蛋白强度为连续信号，受抗体、批次、染色条件与检测器影响，不是分子计数，因此不能用 log1p 当作 UMI 处理；应使用 arcsinh（或 z-score/百分位）做方差稳定，并做溢漏补偿与批次校正。抗体面板是预先选定的，缺失通常意味着未染色而非蛋白不存在，无法做无先验发现。分割是主要下游误差来源，建议用膜/边界染色的全细胞分割（如 Mesmer/DeepCell）。
主要能力：按平台区分化学与混杂（CODEX 循环配准漂移与光漂白；MIBI/IMC 金属通道溢漏与半定量；CyCIF 漂白重染；Opal 低重数与光谱解混）；强度变换与归一化；溢漏与批次校正；门控（scimap.tl.phenotype_cells，需 group/phenotype/标志物 DataFrame 与 pos/neg/allpos 编码，先 sm.pp.rescale）或无监督聚类（scimap.tl.cluster）；空间邻域富集（squidpy.gr.spatial_neighbors 用 coord_type='generic'，再 nhood_enrichment）与细胞邻域（sm.tl.spatial_count 后 spatial_cluster）。
用法要点：示例经 scimap 2.0+、scanpy 1.10+、anndata 0.10+、squidpy 1.4+ 测试；使用前用 pip show 核对版本。arcsinh 辅因子从 5 起但需按数据集调优，避免近零噪声被过度展开。IMC/MIBI 的溢漏补偿与端到端流程应交给 imaging-mass-cytometry 相关技能。
适用场景：已知谱系标志物的门控表型、面板内无监督聚类、空间邻域与生态位分析。限制：面板外类型不可见；共现不等于通讯，未测配体-受体；结果受变换、辅因子、k 与分割影响，需报告并做敏感性分析；双阳性常为溢漏或分割伪影。