基因調控網路（GRN）是將發育過程形式化為可計算模型的核心框架。Eric Davidson 的理論和實驗工作（Davidson, 2006, "The Regulatory Genome"）將 GRN 定位為基因體中硬編碼的發育程式。
GRN 的層級架構（Subcircuit Architecture）
Davidson 團隊歸納出 GRN 中反復出現的「子電路」模式：
核心內核（Kernel）：高度保守的調控子網路，由多個互相活化的轉錄因子構成正回饋迴路，一旦啟動即不可逆。內核的改變在演化中極為罕見（可致死），代表「體型建構的基礎邏輯」。海膽內胚層規範中的 Otx-Wnt8-Blimp1 迴路是內核的經典案例。
外掛模組（Plug-in）：接收上游信號的子網路，將胞外信號轉譯為轉錄輸出。如 Wnt→β-catenin→TCF 是可被多種發育程序「插入」使用的模組。
輸入-輸出開關（I/O switch）：Boolean 邏輯閘（AND、OR、NOT），由增強子上的多個結合位點組合實現——例如一個增強子需要 A 和 B 都結合才活化（AND gate），或 A 結合且 C 不結合才活化（AND NOT gate）。
定量 GRN 建模
GRN 的定量化需要將順式調控邏輯轉譯為數學模型。兩種主要方法：（1）Boolean 模型——每個基因只有 ON/OFF 兩態，適合大規模網路的定性預測；（2）ODE（常微分方程）模型——用 Hill 函數模擬轉錄因子的結合動力學和基因表達動態：dx/dt = β × (A^n / (K^n + A^n)) - γx。Peter & Davidson（2015, PNAS）用 ODE 模型成功預測了海膽 GRN 中已知擾動的表型。
單細胞時代的 GRN 推斷
scRNA-seq 結合計算方法（SCENIC、CellOracle、Dynamo）正在系統性地推斷全基因體 GRN。SCENIC（Aibar et al., 2017, Nat Methods）通過 co-expression + 順式調控基序富集推斷 regulon（轉錄因子及其靶基因集合）。scATAC-seq + scRNA-seq 的多模態整合可以直接連接增強子可及性和靶基因表達（Ma et al., 2020, Cell Stem Cell），為活體 GRN 重建開創新途徑。
GRN 與演化：深層同源性（Deep Homology）
不同門（phyla）之間共用核心 GRN 子電路被稱為深層同源性。例如，Pax6→eye specification GRN 在脊椎動物和昆蟲中都存在，儘管眼睛的形態截然不同——這支持 GRN 層級中「內核保守、外圍可變」的演化邏輯（Shubin et al., 2009, Nature）。
GRN 擾動與疾病
GRN 的異常接線直接關聯疾病。在白血病中，染色體易位（如 t(8;21) 產生 RUNX1-ETO 融合蛋白）劫持造血 GRN 的核心迴路，鎖定在祖細胞自我更新的狀態而無法分化（Ptasinska et al., 2012, Cell Reports）。理解正常 GRN 架構是辨識「被劫持的節點」和開發精準治療的前提。