该方法可通过实验不雅观测数据和打算剖析方法重构转录因子的调控网络，是一项具有寻衅且具有主要意义的“逆向工程”。
此项以人工智能技能为根本的方法在构建转录因子调控网络的准确性和打算效率等方面具有显著上风。

人工智能技能与生物医学大数据的交叉领悟正在开启生物医学研究的新范式。
伯晓晨团队环绕疾病机理解析、药物创造等主要方向开展了系列智能算法研究，用人工智能技能赋能生物医学研究。

随着基因组研究的发展，染色质构造的主要浸染不断被揭示。
然而，将染色质构造信息融入转录因子调控网络构建涉及繁芜的建模问题，传统打算方法难以实现。
面对纷繁繁芜的打算难题，伯晓晨研究团队借助图神经网络技能，整合了多来源的生物信息数据，从中识别潜在的转录调控关系，进而实现转录因子调控网络的精确重构。

据悉，转录因子之间相互浸染形成的调控网络是繁芜转录系统运转的核心子系统，准确构建这一核心网络是系统阐明诸多生命活动规律和繁芜疾病机理的主要路子。

据先容，该团队通过该建模方法构建了人类多种细胞的转录因子调控网络，从中鉴定出了一些造血系统分解和肿瘤发生中的“枢纽”转录因子，辨识出了细胞状态改变的潜在驱出发分。
伯晓晨表示，此项研究可帮助生物医学研究职员透过纷繁繁芜的不雅观测数据锁定关键分子和通路，战胜人工推理的局限性，显著提高研究效率。