Представлен BaiZe — инновационный фреймворк на базе машинного обучения, предназначенный для предсказания изменений транскриптома клетки после различных воздействий (генетических, химических, временных). В отличие от существующих моделей, BaiZe использует мультиview-подход, моделируя ответы как контекстно-зависимые переходы между состояниями клеток. Система способна предсказывать результаты для ранее не встречавшихся комбинаций генов, новых химических структур и дозировок, а также обеспечивает перенос знаний (few-shot transfer) между видами, например, от человека к мыши. Интеграция данных ATAC-seq позволяет модели связывать изменения хроматина с конкретными генами и путями, повышая точность прогнозов. Для интерпретации результатов разработан BaiZe-Agent, который систематизирует гены отклика, пути и фенотипические проекции в структурированные записи. Данная технология имеет критическое значение для биомедицинских исследований, позволяя приоритизировать гипотезы и планировать экспериментальные вмешательства с высокой точностью.