用途：把参考 AnnData（adata_ref）中的细胞类型标签迁移到查询 AnnData（adata_query），适用于单细胞参考注释笔记本中的标签转换环节。技能从已有成对的查询/参考对象开始，不负责参考数据集的选择逻辑。
主要能力：通过 ov.single.AnnotationRef 校验共享基因并拼接查询与参考，构建统一整合空间，训练加权 kNN 迁移模型，输出预测标签及不确定性分数。支持 harmony、scVI、scanorama 三种整合分支；源码中的 batch_correction 另含 combat、CellANOVA、Concord 等方法，但笔记本仅使用 harmony 与 scVI 迁移路径。
使用方式：查询和参考需共享特征名，参考须在 adata_ref.obs 携带细胞类型列（如 celltype）。若数据已为对数归一化，迁移前需恢复计数。主要调用顺序为：构建 AnnotationRef → preprocess(mode="shiftlog|pearson", n_HVGs=3000, batch_key="integrate_batch") → train(method=...) → predict(method=..., n_neighbors=15)，随后按分支检查预测键。
验证要点：preprocess 后检查 adata_new.obs 中的 integrate_batch、obsm 中的 X_pca 以及 var 中的 highly_variable_features；train(method="harmony") 后检查 adata_query 与 adata_ref 的 obsm["X_pca_harmony_anno"]；scVI 分支检查 X_scVI_anno，scanorama 分支检查 X_scanorama_anno；predict 后 harmony 使用 harmony_prediction 与 harmony_uncertainty，scVI 使用 scVI_prediction 与 scVI_uncertainty，scanorama 使用 scanorama_prediction 与 scanorama_uncertainty。绘图前需确认预测列与整合嵌入键存在。
限制：不要把笔记本专属下载 URL、文件名或绝对路径写入可复用流程；参考数据的基因名约定不一定正确，需要时先对齐特征名；scVI 依赖 scvi-tools，资源开销明显高于 harmony；不应把流程压缩为单一的加载并运行步骤。详细参数行为需参考 source-grounding.md，方法选择参考 integration-method-selection.md。具体收费、价格与平台信息暂未提供。