利用转录组数据进行预训练的转移学习方法，通过基因扰动的转录响应，最小化给定初始和目标转录状态之间的差异，成功重现已知的重编程协议并创新性地设计适用于特定重编程转变的可调整模型，研究揭示了基因调控网络对表型的管理方式。

Mar, 2024

本文提出了一种可控制复杂网络行为的方法，该方法考虑到真实系统的非线性动力学特性，允许将系统带入所需的目标状态，从而重新编程网络并挽救网络遭受连锁失败的危险。

Jun, 2013

通过深度强化学习，我们开发了一个新颖的计算框架来鉴定细胞重编程策略，并在多种模型上进行测试。

Feb, 2024

该研究分析了人类蛋白质 - 蛋白质相互作用网络的结构及可控性，并发现 21％的蛋白质是不可或缺的，这些蛋白质是导致疾病的突变，人类病毒和药物的主要靶点，因此控制网络的特性对于健康和疾病之间的转变至关重要。此外，该研究也发现 56 个基因是癌症的必要基因，其中 46 个在癌症中之前未被发现，这提示可控性分析在确定新的疾病基因和潜在药物靶点方面非常有用。

Nov, 2015

发展生物学的主要目标之一是揭示基因调控网络（GRNs）以实现多能祖细胞向具体细胞类型的准确分化。本文展示了如何使用物理信息神经网络（PINNs）推断预测性和动力学的 GRNs 参数，以提供生物过程的机制理解。我们的分析将为今后使用 PINNs 进行实验设计提供参考，并为进一步探索这一强大类神经网络模型提供起点。

Jan, 2024

运用网络控制理论，本文提供了一个关于大脑如何在不同认知状态之间转换的机制性解释，研究发现大脑的结构网络差异决定了其在控制网络功能动态轨迹中的不同作用。

Jun, 2014

本文首次系统比较了 43 种不同生命领域内生物代谢网络的数学结构，并发现虽然组成和途径不同，但这些代谢网络却表现出同样的拓扑特性，显示出与复杂非生物系统的内在组织相似的架构。这表明代谢组织不仅对于所有生物有着相同的属性，而且符合鲁棒和容错无限网络的设计原则，并可能为所有细胞成分间的大规模相互作用的组织提供通用蓝图。

Oct, 2000

探讨了网络控制理论和计算模型对理解人类大脑的作用方面的潜力，并通过比较两种框架从多个角度提供了有关这两种方法之间关系的信息。

Feb, 2020

考虑通过有限的干预来控制动态过程。我们将这个问题表述为关于时间图过程的顺序决策问题，并设计了一个新颖的可行方案来控制时间图上的动态过程。我们成功地将方法应用于两个流行问题：优先考虑哪些节点进行检测以限制疫情传播，以及影响最大化问题。

Oct, 2020

使用超高分辨率显微镜连续定时成像人体诱导多能干细胞，再通过半自动跟踪系统使早期细胞标记后使用深度神经网络自动进行细胞分割和分类，为细胞治疗提供潜在来源的早期预测方法。

May, 2023