研究者们利用深度学习算法开发了癌症生存预测模型，旨在揭示基因突变与疾病表型之间的复杂关系。该模型整合了信号转导、代谢和基因调控，能够预测细胞状态和药物反应，推动精准医疗的发展。

单细胞基因组学推动了细胞行为理解和精准医疗的发展，但现有单细胞测序技术存在局限。最优传输（OT）方法有效，但传统求解器在可扩展性和隐私方面存在问题。基于神经网络的OT求解器灵活性不足。我们的方法通过学习随机映射，放宽质量守恒约束，结合二次求解器，提供了灵活有效的框架，展示了在细胞发展和药物反应建模等领域的应用潜力。