用途：在单细胞发育轨迹存在缺口时，用匹配的 bulk RNA-seq 数据桥接并插值“中断”的细胞状态。流程参考 t_bulktrajblend.ipynb，包含 PDAC bulk 样本解卷积、GNN 识别重叠社区与状态插值。
主要能力：配置并训练 beta-VAE 生成合成细胞；用 GNN 生成重叠社区分配；用 MDE 可视化聚类与社区；对指定谱系执行 interpolation 补全连续性；用 VIA 计算拟时序并配合 PAGA 验证拓扑。
使用方式：先导入 omicverse、scanpy、scvelo 及 mde 等；加载参考 scRNA-seq AnnData 与原始 bulk 计数，经 Matrix_ID_mapping 统一基因 ID。实例化 ov.bulk2single.BulkTrajBlend(bulk_seq、single_seq、bulk_group、celltype_key)，注意 bulk_group 对应原始 bulk 列且需未标准化计数。用 vae_configure(cell_target_num=100) 设定各聚类预期细胞数，省略则触发 TAPE 估计；再 vae_train 训练，可用 vae_load 恢复权重；vae_generate(leiden_size=25) 生成并保存 AnnData。GNN 侧调用 gnn_configure(max_epochs=2000、use_rep、neighbor_rep、gpu 等)，gnn_train 训练，gnn_load 载入检查点，gnn_generate 获得社区分配。之后计算 MDE 嵌入并绘制 clusters 与 nocd_n 对比，执行 interpolation('OPC') 等目标谱系插值，再做 HVG、标准化、PCA 与可视化，最后用 ov.single.pyVIA 与 PAGA 分析轨迹。
限制与注意：需保证 bulk_group 列、celltype_key 存在且基因名重叠超过 100；重新生成细胞会改变图结构，需在 gnn_train 前固定同一生成数据集与随机种子。VAE 坍塌时可降低 learning_rate 或 hidden_size；稀疏聚类可调整 cell_target_num 或减小 leiden_size。数据与检查点链接见教程页，价格、平台等信息暂未提供。