节点 n4

```json
{
  "name": "copy_last + 跨阶段近邻表达插值（保坐标保组成）",
  "motivation": "父节点 1（copy_last）expression_change 仅 48.38，四组最弱，因为它完全忽略第二个输入阶段，表达原样复制。节点 2（mix）做了组成+表达插值得 57.23，但 cell_state 跌至 37.49，说明组成插值有害。本方案只插值表达、不动组成和坐标，针对 expression_change 修复。",
  "approach": "1) 用 view_io 读两个输入阶段（锚点阶段 A 和后续阶段 B）及 panel genes。2) 对 A 中每个细胞类型，取 B 中同型细胞；用 scipy.spatial.cKDTree 在 log1p 表达空间建 B 的索引，为 A 中每个细胞找 k=5 近邻（同型）。3) 插值：X_out[i] = X_A[i] + α·(mean(X_B[nn_i]) − X_A[i])，α 由目标时间在 A、B 之间的比例决定（manifest 的时间戳；单阶段退路：若只有一个输入阶段，α=0 即退化为 copy_last）。4) 坐标、细胞类型标签、细胞数目全部保持 A 不变；若 A 细胞数超 max_cells，按类型分层抽样（同父节点逻辑）。5) 用 vec-score 快速筛选：先在 proxy 上跑一次确认 > 49.5；若 expression_change 未提升则检查 α 是否正确、近邻是否跨型污染。关键参数：k=5（搜索 3–10）、α 由时间比例自动确定（不手调）。全程无需训练，预计 < 10 s。",
  "expected_groups": ["expression_change"],
  "risks": "1) 若两阶段细胞类型词汇不完全一致，部分细胞无同型近邻→退化为不移动；Engineer 应打印未匹配比例，>30% 则改用全局近邻。2) 近邻匹配在稀疏高维表达上可能噪声大；若 expression_change 提升 < 1 分（噪声水平），用 3 个 seed 的 vec-score 均值确认。3) α 计算依赖 manifest 时间戳字段名，若字段缺失需 fallback 到 α=0.5。",
  "family_id": "T2EI-01",
  "mechanism": "在锚点阶段与后续阶段之间，按细胞类型做近邻匹配，将每个细胞的表达沿其匹配方向插值一个时间比例 α，坐标和组成不变。",
  "vs_constant_shift": "每型常数位移对同型所有细胞施加相同向量；本方案每个细胞的位移取决于它自己在后续阶段的最近邻，位移向量逐细胞不同，保留了细胞间异质性。Engineer 可验证：同型内位移向量的标准差应显著大于 0。",
  "mechanism_evidence": "1) 打印同型内位移向量各基因的标准差均值，应 > 0（常数位移则为 0）。2) 比较 expression_change 分组分数：应比 48.38 提升 ≥ 1 分。3) cell_state 和 local_spatial 应与父节点持平（±0.5），证明坐标和组成未被破坏。4) 打印实际被移动的细胞比例（位移范数 > 1e-6 的细胞占比），应 > 90%。",
  "mechanism_off_control": "设 α=0（或命令行加 --alpha 0），此时 X_out = X_A，输出与 copy_last 完全相同；预期分数回到 49.13 ± 0.5，四组分不变。若关掉后分数仍变化，说明有副作用（如抽样顺序改变）。",
  "sources": []
}
```