节点 n3

500-gene panel, small data. Now write the improved run.py with NN-matched displacement:

{
  "name": "mix + 表达空间 NN 匹配后的坐标位移插值",
  "motivation": "父节点 2（mix，59.50）最弱两组为 local_spatial 54.03 和 shape_scale 53.37。mix 仅按 (1−t,t) 分层抽真实细胞，各细胞保留原阶段坐标，输出是两朵云的叠加而非形变中间态，导致邻域和形状分偏低。节点 1（copy_last，48.68）四组分均在 50 以下，说明仅复制单阶段更差，确认需要利用双阶段信息。",
  "approach": "在现有 mix 流程（Procrustes 对齐 → log 线性 RMS 缩放 → 分层抽样）之后增加一步坐标位移：\n1. 对两阶段表达矩阵各取 PCA 前 50 维（sklearn 或手写 SVD，17616×~200 基因很快）。\n2. 用 scipy.spatial.cKDTree 在 PCA 空间建 stage_b 的树；对每个抽中的 stage_a 细胞查 1-NN 得到 match_b 坐标，反之亦然。KDTree 查询 17616 点 <1 s，无内存问题。\n3. 位移：stage_a 来源细胞 pos_out=(1−t)·pos_a + t·match_b；stage_b 来源细胞 pos_out=t·pos_b + (1−t)·match_a。表达不变，仍为真实细胞。\n4. 新增参数 displace_weight∈{0, 0.5, 1.0}，默认 1.0；乘以位移量控制强度，方便消融。\n5. 单输入退路：若 b is None（无 bracket），走已有 fallback（直接抽样），不做位移。\n6. vec-score 快筛：先跑 displace_weight=0（应复现父节点 59.5 附近）和 1.0，比较 local_spatial 和 shape_scale 是否上升。若 1.0 优于 0，再试 0.5。查分 ≤5 次。\n7. 实现只改 interpolate 函数：抽样后加 ~20 行 KDTree+位移，不动 view_io / sample。",
  "expected_groups": ["local_spatial", "shape_scale"],
  "risks": "1) proxy 只有 5 个共有类型，表达空间 NN 匹配可能跨类型错配，导致位移方向不合理→检查位移向量长度分布，若 >90% 细胞位移超过云 RMS 的 50% 说明匹配差，应限制位移上限或只在同类型内匹配。2) 两阶段细胞组成差异大时部分细胞无合理 NN→位移截断到 p95。3) 位移可能破坏已有 cell_state/expression_change 分数→先跑 off-control 确认基线复现，再看四组分全貌。",
  "family_id": "T2HI-02",
  "mechanism": "在 Procrustes 对齐后，用表达空间最近邻匹配建立跨阶段细胞对应，再按插值参数 t 将每个细胞坐标沿匹配方向位移，产生形变中间构型而非两阶段坐标的混合。",
  "vs_constant_shift": "每个细胞获得由其在另一阶段的表达近邻决定的独立位移向量，位移方向和大小因细胞而异；常数位移对所有细胞施加同一向量，无法改变形状或邻域结构。",
  "mechanism_evidence": "1) 输出云 RMS 应介于两输入 RMS 之间（非等于任一输入）；2) 位移向量长度分布应有非零展宽（若全为 0 则机制未运行）；3) 比较位移前后 local_spatial 和 shape_scale 分数变化；4) 抽样 200 个细胞打印 (pos_own, pos_match, pos_out) 验证方向合理性。",
  "mechanism_off_control": "设 displace_weight=0，位移量乘以 0，坐标不变，退化为原始 mix 抽样。预期四组分与父节点 59.50 一致（±1 噪声内）。若 off-control 分数偏离 >2 分说明实现有 bug。",
  "sources": []
}