Bài báo này trình bày một cơ hội để khám phá các đồ thị nhân quả quy mô lớn biểu diễn các tương tác điều hòa giữa các gen, tận dụng các tập dữ liệu sinh học thông lượng cao hiện đại chứa hàng nghìn nhiễu loạn. Các mô hình đồ thị nhân quả có thể phân biệt hiện có đã được sử dụng để suy ra các mạng điều hòa gen (GRN) từ các tập dữ liệu nhiễu loạn quy mô lớn và nắm bắt các mối quan hệ điều hòa gen nhân quả từ các nhiễu loạn di truyền. Tuy nhiên, chúng bị hạn chế về khả năng biểu đạt và khả năng mở rộng và không giải quyết được bản chất động của các quá trình sinh học như biệt hóa tế bào. Trong bài báo này, chúng tôi đề xuất PerturbODE, một khuôn khổ mới tích hợp các phương trình vi phân thường thần kinh có thông tin sinh học (ODE thần kinh) để mô hình hóa các quỹ đạo trạng thái tế bào và suy ra GRN nhân quả từ các tham số của ODE thần kinh. Chúng tôi chứng minh hiệu quả của dự đoán quỹ đạo và suy luận GRN trên các tập dữ liệu biểu hiện quá mức mô phỏng và thực tế.
