El adenocarcinoma de pulmón es el tipo más común de cáncer de pulmón primario, pero los mecanismos regulatorios durante la carcinogénesis siguen siendo poco claros. La identificación de módulos regulatorios para el adenocarcinoma de pulmón se ha convertido en uno de los puntos focales de la bioinformática. En este artículo, se construyeron múltiples modelos de redes neuronales profundas (DNN) utilizando los datos de expresión para identificar módulos regulatorios para el adenocarcinoma de pulmón en redes biológicas. Primero, se obtuvieron los ARNm, lncARNm y miARNm con diferencias significativas en los niveles de expresión entre tejidos tumorales y no tumorales. Se establecieron y optimizaron modelos DNN de ARNm para extraer candidatos de ARNm que contribuyeran significativamente a los modelos DNN y que estuvieran en el centro de una red de interacción. Luego, se construyó otro modelo DNN y se seleccionaron potenciales ceARNm basándose en la contribución de cada ARN al modelo. Finalmente, se identificaron tres módulos compuestos por miARNm y sus ARNm y lncARNm regulados con la misma dirección de regulación como módulos regulatorios que regulaban la iniciación del adenocarcinoma de pulmón a través de relaciones ceARNm. Fueron validados por literatura y análisis de enriquecimiento funcional. La efectividad de estos módulos regulatorios se evaluó en un conjunto de datos independiente de adenocarcinoma de pulmón. Los módulos regulatorios para el adenocarcinoma de pulmón identificados en este estudio proporcionaron una referencia para los mecanismos regulatorios durante la carcinogénesis.