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。

本文介绍了多种图结构学习和聚类方法，包括SE-GSL框架、SpectralNet深度学习方法、结构深度聚类网络（SDCN）和结构熵半监督聚类（SSE）。这些方法通过优化图结构和聚类准确性，提高了鲁棒性和可解释性，特别是在生物数据分析和高维数据学习中表现优异。