Исследователи представили CardamomOT — новый вычислительный метод, предназначенный для решения критической проблемы в биоинформатике: невозможности прямого измерения динамики белков на уровне отдельных клеток. В отличие от предыдущих алгоритмов, CardamomOT использует концепцию механистического оптимального транспорта для совместной реконструкции генных регуляторных сетей (GRN) и скрытых траекторий белков на основе данных scRNA-seq. Методология позволяет интегрировать точные временные метки и априорные знания о кинетике белков из литературы, что значительно снижает количество необходимых гиперпараметров. В ходе валидации на симулированных и экспериментальных наборах данных метод продемонстрировал превосходство над современными аналогами (SOTA) в точности калибровки GRN и восстановлении полей скоростей, определяющих клеточные траектории. Важной особенностью является способность модели выступать в роли генеративной системы, способной предсказывать клеточные ответы на новые, ранее не наблюдавшиеся возмущения. Это делает CardamomOT мощным инструментом для изучения процессов дифференцировки и репрограммирования клеток.