用途：为单细胞RNA-seq数据中的聚类或单个细胞分配细胞类型标签，整理自Luecken等人的《Single-cell best practices》，版本1.0，CC BY 4.0许可，允许商用。
主要能力：区分细胞类型（稳定身份，如CD4+ T细胞）与细胞状态（激活、周期、应激等瞬时条件），主张先注释类型再叠加状态。介绍三类方法：手动标记基因注释（Scanpy、Seurat，适合小数据集、新类型）；自动化注释（CellTypist、scAnnotate，适合标准组织、大数据集）；参考标签转移（scArches、scANVI、Azimuth、SingleR，适合特征明确的组织）。提供决策树与决策表，按组织、参考质量、物种等场景推荐工具与验证方式。
使用方式：先做质控，去除双细胞（约每1000细胞0.8%）、环境RNA污染，确认聚类质量；再用Scanpy的rank_genes_groups与dotplot查看标记基因；用CellTypist做自动化预测（majority_voting=True）；用scArches加载参考模型训练并预测标签。文中给出Scanpy、CellTypist、scArches的示例代码片段。
适用场景：人类免疫细胞、小鼠组织、发育轨迹、疾病组织、跨物种等，附工具选择表与各细胞类型关键标记基因（如T细胞CD3D/CD3E、B细胞CD19/MS4A1、内皮PECAM1等）。
限制与注意：自动化结果需用标记基因交叉验证，勿盲信；参考需组织、物种、技术匹配；小簇（<25细胞）可能是技术伪影；勿将状态与类型混淆；注释前须完成质控。附验证清单（簇纯度>80%、参考转移成功率>70%等）与常见问题排查。具体安装命令与完整代码示例资料未提供。