Исследователи представили scMultiPreDICT — новый вычислительный фреймворк, предназначенный для сравнительного моделирования экспрессии генов на основе данных мультиомики единичных клеток. Методология исследования включала бенчмаркинг RNA-only, ATAC-only и мультимодальных наборов признаков с использованием шести различных моделей машинного обучения, включая регрессию, древовидные модели и глубокое обучение. Результаты показали, что признаки, полученные из РНК, обеспечивают высокую прогностическую способность, в то время как доступность хроматина (ATAC) сама по себе дает лишь умеренные результаты. Важным открытием стало то, что мультимодальная интеграция не всегда повышает точность предсказания; её эффективность зависит от конкретного гена и клеточного контекста. Анализ значимости признаков подтвердил, что транскрипционные факторы доминируют для большинства генов, однако эпигенетическая доступность вносит существенный вклад в регуляцию определенного подмножества генов. Данный инструмент, реализованный на языке R, позволяет систематически оценивать вклад различных регуляторных уровней, что критически важно для планирования таргетных исследований и разработки терапевтических стратегий.