El cáncer de pulmón sigue siendo una de las principales causas de muertes relacionadas con el cáncer en todo el mundo, caracterizado por una alta heterogeneidad y complejos mecanismos de regulación genética. Desarrollamos un nuevo método de reconstrucción de redes de regulación genética ponderadas que integra datos de expresión génica y metilación del ADN, aprovechando principios de máxima entropía y entropía de Markov. Aplicado a conjuntos de datos de LUAD y LUSC, nuestro enfoque identificó con éxito un conjunto central estable de genes patogénicos, incluidos tanto genes de alta expresión (por ejemplo, ) como genes de expresión estable (por ejemplo, ), que desempeñan roles críticos en la progresión del cáncer. Además, descubrimos oncogenes impulsados por metilación y supresores tumorales, revelando sus roles duales en el desarrollo del cáncer de pulmón. Al incorporar variables clínicas como el estadio de la enfermedad, el género y el estado de tabaquismo, identificamos posibles genes impulsores asociados con subgrupos específicos de pacientes, proporcionando información sobre estrategias terapéuticas personalizadas. Este método no solo mejora nuestra comprensión de la biología del cáncer de pulmón, sino que también ofrece un marco robusto para identificar nuevos objetivos terapéuticos y avanzar en la medicina de precisión.