该研究提出了GRAPE模型，解决了基因调控网络构建中未充分利用基因信息的问题。GRAPE结合基因描述和DNA序列特征，考虑生物型信息，有效捕捉基因间隐含关系，优化基因调控网络，实验结果显示其性能优越。

本研究提出了PerturbODE框架，利用神经常微分方程建模扰动下的细胞状态轨迹，解决基因调控网络推断中的线性假设和动态处理不足问题。该方法在轨迹预测和基因调控网络推断中表现出高效性，具有重要的生物数据分析潜力。

本文介绍了一种结合连续归一化流和动态最优传输的建模方法，提出TrajectoryNet模型，成功模拟单细胞RNA测序数据中的细胞动态。研究利用机器学习和邻接算法预测细胞响应，提出RiTINI推断复杂系统中的时间变化交互图，并通过Swift-DynGFN框架提升基因调控网络的因果结构学习能力。最后，提出一种新方法，通过迭代投影从多个时间点学习未观察到的轨迹，显示出在生态和生物数据分析中的优势。