В статье представлен DyMoTree — инновационный вычислительный фреймворк, предназначенный для моделирования решений о судьбе клеток на основе данных секвенирования РНК единичных клеток (scRNA-seq). В отличие от существующих методов, DyMoTree использует архитектуру нейронной сети с древовидной структурой, которая интегрирует графы клеточных линий для точного моделирования нелинейных переходов между состояниями предшественников и терминальными клетками. Методология позволяет не только восстанавливать траектории развития, но и выявлять ранние предрасположенности (fate bias), а также идентифицировать специфические гены-драйверы, управляющие этими переходами. В ходе тестирования на симуляциях и экспериментах in vivo метод продемонстрировал превосходство над текущими аналогами в разрешении ранних этапов дифференцировки. Практическая значимость подтверждена применением модели к эмбриогенезу мышей, прогрессии аденокарциномы легких и терапии CAR-T клетками, что позволило раскрыть регуляторные программы при развитии заболеваний. Инструмент открывает новые возможности для точного картирования клеточных судеб в онкологии и регенеративной медицине.