El aprendizaje profundo ha surgido como una herramienta poderosa para investigar procesos biológicos intrincados en las plantas al aprovechar el potencial de datos a gran escala. La regulación génica es un proceso complejo en el que los factores de transcripción (TFs), en cooperación con sus genes objetivo, participan en varios aspectos de los procesos biológicos. A pesar de su importancia, el estudio de la regulación génica se ha centrado principalmente en un número limitado de casos notables, dejando numerosos aspectos e interacciones aún por explorar de manera integral. Aquí, desarrollamos DEGRN (Aprendizaje profundo sobre la expresión para la red reguladora de genes), un modelo innovador de aprendizaje profundo diseñado para descifrar interacciones génicas aprovechando datos de expresión de alta dimensión obtenidos de datos de RNA-Seq masivo y scRNA-Seq en la planta modelo Arabidopsis. DEGRN mostró un nivel de poder predictivo comparable cuando se aplicó a varios conjuntos de datos. A través de la utilización de DEGRN, identificamos con éxito un extenso conjunto de 3,053,363 interacciones de alta calidad, que abarca 1430 TFs y 13,739 genes no TF. Notablemente, las capacidades predictivas de DEGRN nos permitieron descubrir nuevos reguladores involucrados en una variedad de procesos biológicos complejos, incluyendo desarrollo, metabolismo y respuestas al estrés. Usando la senescencia foliar como ejemplo, revelamos una red compleja que subyace a este proceso compuesta por diversas familias de TF, incluyendo , , y . También identificamos un nuevo TF, llamado MAF5, cuya expresión mostró una fuerte relación de regresión lineal durante la progresión de la senescencia. El mutante mostró una descomposición temprana de las hojas en comparación con el tipo salvaje, lo que indica un posible papel en la regulación de la senescencia foliar. Esta hipótesis fue respaldada aún más por los patrones de expresión observados a través de cuatro etapas del desarrollo foliar, así como por el análisis transcriptómico. En general, la cobertura integral proporcionada por DEGRN amplía nuestra comprensión de las redes reguladoras de genes y allana el camino para futuras investigaciones sobre sus implicaciones funcionales.