#paper doi: 10.1038/s41576-026-00939-1 nature reviews genetics, 2026, Gene regulatory networks from correlative models to causal explanations。这篇综述详细论述了近期基因调控网络建模的瓶颈和发展趋势。基因调控网络正逐渐从传统的机制解释转变为复杂的统计相关性模型，导致其难以准确捕捉分子间的因果关系。作者指出，现有的调控网络由于规模庞大、动态复杂且存在模型“松散性”，使得仅依靠单细胞组学数据进行推断面临严峻挑战。为此，文章提出了一种表示学习框架，主张通过三个原则建立更具解释力的模型：一是模型必须以细胞和进化生物学为基础，具有内在机制；二是利用分子约束条件缩小学习空间；三是结合精密的实验扰动和合成生物学工程来验证预测。该框架旨在通过多层次的抽象（如计算、表示和实现层），实现从海量数据到生物学新认知的跨越。这篇综述对基因表达调控的研究、单细胞组学和合成生物学均具有前瞻性参考价值。