用途：为单细胞 RNA 测序数据中的聚类赋予生物学细胞类型身份，降低注释错误对差异表达、轨迹推断和细胞通讯等下游分析的影响。
主要能力：提出三层决策策略——第一层基于经典标记基因手动注释（dotplot、violin、UMAP 可视化）；第二层使用 CellTypist 自动注释（选择组织匹配模型，可用 majority_voting）；第三层使用 popV 集成标签转移（需参考 AnnData 与组织标签）。指南综合 CellTypist、popV 与经典标记方法，并参照 Human Cell Atlas 标准。
使用方式：先确认组织与状态、注释策略、参考图谱、标记面板、标签粒度、未解析聚类处理与双细胞情况；再按数据规模与组织特征选择层级。小数据集或特征明确组织用第一层；大数据集且存在预训练图谱用第二层；需跨图谱整合或稀有细胞类型用第三层。自动化注释后须用经典标记基因核验，并检查置信度分数。
适用场景：血液、肺、肠、脑等标准组织；肿瘤、疾病或发育组织等新体系；与 HLCA、HBA 等已发表图谱整合；稀有细胞类型与基准比较研究。
限制：参考图谱必须与查询数据的组织、物种和发育阶段匹配，否则会产生系统性错误；自动化工具无法判断细胞是否不在参考中；低置信度细胞可能为稀有类型、过渡状态或双细胞；注释前应先用 Scrublet 或 DoubletFinder 去除双细胞，并用 Harmony、scVI 或 BBKNN 校正批次效应。具体安装命令与代码示例资料未提供。