В статье представлен метод GSET (Gene Signals from Embedding Trajectories), предназначенный для эффективного вывода генных регуляторных сетей (GRN) из временных транскриптомных данных. Проблема заключается в том, что традиционные методы отбора генов опираются на статическую экспрессию, игнорируя динамические изменения, критически важные для понимания регуляторных программ. GSET извлекает динамическую информацию из временных вложений генов, используя два сигнала: остаток оптимального транспорта для выявления отклонений от глобального движения и расхождение Кульбака-Лейблера для обнаружения изменений в локальных ко-экспрессионных соседствах. Интеграция с алгоритмом CardamomOT позволяет комбинировать статические ядра программ с динамически извлеченными «мостовыми» генами, формируя компактные наборы для анализа. Синтетические бенчмарки показали, что при равном бюджете генов GSET восстанавливает больше регуляторных связей между программами, чем статические методы, а точность вывода на внутренних ребрах сопоставима с полногеномными моделями. На данных репрограммирования мышиных фибробластов в индуцированные плюрипотентные стволовые клетки метод успешно отследил переход от фибробластной программы к клеточному циклу. Предложенный подход предлагает динамический слой предварительного извлечения, который может помочь в идентификации генов-кандидатов, контролирующих переходы клеточных состояний.