El rápido progreso en las tecnologías experimentales biológicas ha generado una gran cantidad de datos experimentales para investigar mecanismos regulatorios complejos. Se han propuesto varios modelos matemáticos para simular las propiedades dinámicas de los procesos moleculares utilizando los datos experimentales. Sin embargo, sigue siendo difícil estimar los parámetros desconocidos en los modelos matemáticos para la dinámica en diferentes células debido a la alta demanda de potencia de cálculo. En este trabajo, proponemos un algoritmo de inferencia estadística de población para mejorar la eficiencia de cálculo. En el primer paso, este algoritmo agrupa células individuales en varios grupos basados en las distancias entre cada par de células. En cada grupo, luego inferimos los parámetros del modelo matemático para la primera célula. Proponemos un enfoque adaptativo que utiliza los valores de los parámetros inferidos de la primera célula para formular la distribución previa y los criterios de aceptación de las células siguientes. Se utilizaron tres modelos de redes regulatorias para examinar la eficiencia y efectividad del algoritmo diseñado. Los resultados computacionales muestran que el nuevo método reduce significativamente el tiempo de cálculo y proporciona un algoritmo efectivo para inferir los parámetros de las redes regulatorias en un gran número de células.