В исследовании представлен scLEMBAS — инновационная нейросетевая модель типа «gray-box», предназначенная для моделирования активности сигнальных путей на уровне единичных клеток. В отличие от чисто предсказательных моделей, scLEMBAS интегрирует априорные знания о сетях белок-белковых взаимодействий в архитектуру рекуррентной нейронной сети, где обучаемые веса ребер соответствуют силе сигнальных взаимодействий. Модель использует состязательный подход (adversarial approach) для генерации контрфактуальных сценариев, позволяя предсказать, как изменится активность транскрипционных факторов клетки при смене контекста или типа воздействия. Тестирование на двух наборах данных scRNA-seq показало высокую точность предсказания комбинаций возмущений и контекстов, выходящих за рамки обучающей выборки (out-of-distribution). Важным достижением является биологическая интерпретируемость: модель способна самостоятельно «отсеивать» ложные взаимодействия и идентифицировать белки, специфичные для конкретных типов клеток. Это открывает новые возможности для количественного анализа того, как клеточный контекст и внешние стимулы перестраивают сигнальные сети.