В статье представлен метод FateDriver — графовая нейронная сеть (GNN) с слабым контролем, предназначенная для выявления ключевых регуляторных генов, ответственных за переход клеток из одного состояния в другое в процессе репрограммирования. Метод использует данные одноядерной транскриптомики, объединяя представления клеток и генов в единую графовую структуру, где доставленные экспериментальные факторы рассматриваются как разреженные метки на уровне генов. Алгоритм решает задачу ранжирования кандидатов в формате «положительные-непомеченные», что позволяет эффективно использовать ограниченные экспериментальные знания для генерации гипотез. Исследование проведено на двух наборах данных OSKM и одном наборе GMT, где FateDriver показал наивысшие результаты среди шести сравниваемых методов по восстановлению референсных генов. Модель превзошла базовые модели без графового компонента, несмотря на более слабую корреляцию экспрессии с доставленными факторами, и продемонстрировала высокую точность в идентификации белковых мишеней химических коктейлей, индуцирующих плюрипотентность. Применение метода к фиксированным исходным или конечным состояниям выявило специфические программы, включая ось DDX58-интерферона, связанную с клетками, лишенными эндогенных маркеров плюрипотентности. Также показано, что фреймворк применим для приоритизации исходных-целевых пар, что позволило определить различные потенциальные источники для популяций частично репрограммированных клеток кишечника in vivo.