يُعدّ المنحى الطوبولوجي لشبكات تفاعل الجينات مصدرًا غنيًا للمعلومات يُمكّن من استنتاج الأنماط الوظيفية للجينات أو البروتينات. ومع ذلك، لا يزال من التحديات الكبيرة تجميع المعلومات البيولوجية المتنوعة، مثل تعبير الجينات وتفاعلات الجينات، بهدف تحقيق تنبؤات أكثر دقة واكتشاف تفاعلات جينية جديدة. وتحديدًا، يُمثل إنشاء تمثيل متجهي موحد لدمج البيانات المدخلة المتنوعة أحد التحديات الأساسية التي نعالجها هنا. نقترح إطارًا عميقًا قابلاً للتوسع ومقاومًا للتشويش، يتعلم تمثيلات مُدمجة بهدف دمج تفاعلات الجينات المعروفة مع بيانات تعبير الجينات لتقدير تفاعلات الجينات. تعتمد هذه التمثيلات منخفضة الأبعاد على استخلاص رؤى أعمق حول هيكل الشبكات المتزايدة بسرعة والمتعددة الأشكال لتفاعلات الجينات، كما تبسط بشكل كبير النماذج اللاحقة. قارنا قوة التنبؤ لتمثيلاتنا العميقة مع النماذج القوية المعيارية، وأظهرت النتائج أن تمثيلاتنا العميقة تحقق تنبؤات أكثر دقة بشكل ملحوظ. علاوةً على ذلك، تم التحقق من مجموعة من تنبؤات تفاعلات الجينات الجديدة من خلال إدخالات حديثة في قواعد بيانات قائمة على الأدبيات. تُظهر النموذج المقترح الأهمية البالغة لدمج المعلومات المتنوعة حول الجينات في استنتاج الشبكات الجينية. يُتاح نموذج GNE مجانًا بموجب ترخيص الجنو العام العام (GNU General Public License) ويمكن تنزيله من GitHub (https://github.com/kckishan/GNE).