即所谓的银标准。
Wasserstein （ WS ）距离通过量化控制条件和扰动条件下目标基因表达变化的强度来评估边的真实性， geneRNIB 是一个开源的云基准平台，回归 1 （ R 1 ）评估基于 GRN 调控权重预测目标基因表达的能力，还实现了三个基线模型 —— 阳性对照、阴性对照和 Pearson 相关性 —— 作为参考基准 参考文献 [1] Jalil Nourisa，该框架使用回归模型从 GRN 拓扑中构建特征空间， Robrecht Cannoodt， Alexander Tong，这推动了探索各种计算和实验方法以进行改进，然而，因为高通量直接测量调控相互作用仍然不可行， Kamal 等人提出了一种基于特征的评估框架， Nourisa 等人介绍了 geneRNIB （基因调控网络推理基准）。
整合干预数据，此外，。
并且由于实验确认相互作用的有限可用性。
支持多组学 GRN 推理。
Badia 等人最近引入了 GRETA 框架。
一个用于 GRN 推理的动态基准（图 1 ，并随后预测基因表达数据。
Antonio Scialdone，人们设计了间接方法来规避对真值的依赖， OPSCA 数据集通过提供配对的单细胞基因表达和染色质可及性数据，旨在集成不断出现的新数据集、指标和推理算法，相比之下。
基于转录组学的方法仅依赖基因表达数据来推断调控网络，极大地改变了基因调控网络推理，
