生物学背景者求助：理解生物数据上的Markov chains与Random walks

我是生物学领域的从业者，最近在啃一篇涉及**生物数据上的马尔可夫链（Markov chains）和随机游走（Random walks）**的论文，直观理解起来真的有点吃力。最开始我在StackOverflow上发了提问，那边的朋友建议我转到这里来寻求更对口的帮助。我已经试着通过谷歌搜资料、看YouTube上的讲解视频一点点拆解内容，但还是觉得有些核心逻辑没打通，希望能得到专业人士的点拨。

背景与我的现有理解 #

• 我已经能准确理解**微阵列（Microarrays）**的本质：它就是一种矩阵结构，每个单元里都包含针对特定基因的探针，用来检测对应基因的表达水平，这部分知识我是扎实的。
• 但一旦涉及到把马尔可夫链和随机游走模型套用到这类生物数据上，我就开始犯懵了，完全找不到模型和生物学意义之间的直观联系。

我目前卡壳的具体问题 #

• 论文里提到的状态转移矩阵是怎么从微阵列的基因表达数据推导出来的？矩阵里每个元素的生物学意义到底是什么？
• 随机游走在基因调控网络里的“行走”过程，对应现实中什么样的生物现象？比如是基因之间的信号传递路径，还是基因表达水平的动态波动？
• 这类模型最终能帮我们解决什么具体的生物学问题？比如是预测未知基因的功能，还是分析疾病相关的通路异常？

内容的提问来源于stack exchange，提问作者J. Doe