用途：将单细胞参考（scRNA-seq）映射到空间转录组切片，把单细胞信息转化为具有空间分辨率的图谱。流程参考 t_single2spatial.ipynb，示例用 PDAC 的 scRNA-seq 与 Visium 数据训练，重建 spot 级细胞比例并可视化标记表达。
主要能力：初始化 ov.bulk2single.Single2Spatial，指定 celltype_key 与 spot_key 坐标列；用 st_model.train(...) 训练深度森林并生成重建的空间 AnnData（sp_adata）；可用 st_model.load(...) 载入预训练权重跳过训练；用 st_model.spot_assess() 得到聚合的 spot AnnData（sp_adata_spot）做质控；用 sc.pl.embedding 绘制标记基因、各细胞类型比例及重建分配图。
必要用法：依赖 omicverse、scanpy、anndata、pandas、numpy、matplotlib；用 ov.utils.ov_plot_set()（旧版 ov.plot_set()）统一绘图风格。输入应为归一化/对数尺度 scRNA-seq 矩阵；spot_key 必须匹配空间坐标列；gpu 非零时需确认 GPU 可用，否则设 gpu=-1 或用 CPU。训练后建议用 write_h5ad 保存 sp_adata、sp_adata_spot 及派生 CSV。
限制与校验：坐标列缺失、celltype_key 不存在会报断言错误；scRNA-seq 若未对数化（X.max() 超过约 50）会提示尺度不匹配。训练发散时可降低 learning_rate 或减小 predicted_size。其余数据集、模型与链接详情暂未提供。