用途：在已包含 RNA 速度的单细胞 AnnData（adata.layers['velocity']、adata.uns['velocity_graph']）上生成命运图谱，包括终末状态归类、逐细胞命运概率以及按分支的标记基因动态。本技能不计算 RNA 速度本身。
主要能力：把 CellRank 的 VelocityKernel 与 ConnectivityKernel 混合成转移矩阵（惯用 0.8vk + 0.2ck），用 GPCCA 估计器先算宏观状态再预测终末状态，并把命运概率写入 adata.obs 用于绘图；OmicVerse 侧提供 trajectory、trajectory_overlay、branch_streamplot、embedding、dynamic_features、dynamic_trends、dynamic_heatmap 等可视化与基因趋势分析，gene 趋势后端与其他轨迹方法共用。
使用方式：需先 pip install cellrank，并准备 adata.layers['Ms']（scvelo 平滑拼接层）、velocity_pseudotime（或 development_pseudotime）、clusters 等列以及嵌入。典型流程为：vk = cr.kernels.VelocityKernel(adata).compute_transition_matrix()；ck = cr.kernels.ConnectivityKernel(adata).compute_transition_matrix()；kernel = 0.8 * vk + 0.2 * ck；g = cr.estimators.GPCCA(kernel)；g.compute_macrostates(n_states=6, cluster_key='clusters')；g.predict_terminal_states(n_states=4)；再取 g.fate_probabilities 中某一终末列写入 obs 并绘图；动态分析用 ov.single.dynamic_features(..., layer='Ms')，绘图用 ov.pl.dynamic_trends / dynamic_heatmap。
适用场景：胰腺内分泌发生等速度已算好的数据集，支持按命运概率过滤后做单命运趋势，或按 groupby/groups 加 split_time、shared_trunk 做分支比较，也可生成多模块标记基因动态热图。
限制：仅记录 GPCCA，不涵盖 CFLARE、Schur 等其他估计器；RNA 速度计算、嵌入构建、VIA/Monocle/diffusion/slingshot/palantir/scTour 属于其它技能；n_states 与核权重需按数据选择，终末状态不应包含明显主干群，命运概率应按行归一化，层务必用 Ms 而非 spliced 或 velocity。