Nedavni pregledi pokazali su da modeli genetskih perturbacija temeljeni na dubokom učenju ne nadmašuju neinformativne referentne metode. Istraživači su uveli pozitivni kontrolni referent i okvir za kalibraciju metrika. Analiza na 14 skupova podataka i 18 metrika otkrila je da su uobičajene metrike, poput srednje kvadratne pogreške i Pearsonovog Δ, često nekalibrirane, čime se smanjuje osjetljivost na pozitivne rezultate. Kada su metrike pravilno kalibrirane, modeli temeljeni na dubokom učenju nadmašili su neinformativne referentne metode.