本研究提出了一种基于图神经网络的强化学习框架GATTACA，用于控制生物网络，特别是在细胞重编程中。该框架结合深度强化学习和伪吸引子识别，展示了在大规模生物网络中的有效性，为复杂疾病的治疗提供了新方法。

本研究提出了ExPath框架，旨在识别生物知识库中的靶向通路，特别是在整合湿实验数据时。通过引入氨基酸序列数据和图学习技术，ExPath能够有效分类生物网络并发现重要的靶向通路，实验结果表明该框架在生物学上具有重要意义。

该文综述深度强化学习在多领域的应用，包括控制200节点黑色素瘤蛋白网络、整合生物网络信息预测癌症靶点、用神经细胞自动机生长强化学习网络、分析机器人神经活动、生成化合物库、提出新神经元学习规则、实现主动流控减阻约8%，以及动态演化循环网络结构，以更少参数媲美梯度下降。