CellNavi prédit les gènes qui dirigent les transitions cellulaires en apprenant un manifold d'état cellulaire amélioré par un graphe de gènes.
Les auteurs intègrent des données transcriptomiques unicellulaires avec des graphes de gènes préexistants pour produire un manifold d'état cellulaire biologiquement significatif capable de prédire les gènes moteurs pour les perturbations génétiques et les événements de différenciation dans divers types de cellules.
