生物信息学是一门新兴的交叉学科，它需要生物学、计算机科学以及数学三门学科的高级研究人员通力合作来完成。生物信息学以计算机、网络为工具，用数学和信息科学的理论、方法和技术去研究生物大分子，发现生物分子信息的组织规律。生物信息学的研究重点是DNA分子和蛋白质分子的各个方面，包括它们的序列、结构和功能。而基因调控网络是功能基因组学研究的一个热点。一个基因的表达受其他基因的调控或影响，而这个基因又调控或影响其他基因的表达，这种相互调控或影响的关系构成了复杂的基因表达调控网络。在基因调控网络中，基因的相互关系能帮助研究者更深入地认识真实的调控过程。对调控过程的深刻了解，将会对药物研制和生物医学产生深远的影响。因此，基因调控网络在研究基因之间的调控关系及揭示复杂的生命现象方面有着重大的意义。　　 本文回顾了基因调控网络研究的历程以及现有的一些调控网络模型，像布尔网络模型、静态和动态的贝叶斯模式、线性微分方程模型以及递归神经网络模型等，并指出这些网络模型存在的缺点，以及一些文章对这些模型的改进。　　 模式植物拟南芥是研究基因调控网络的一种良好的材料，而拟南芥花药的发育由复杂的基因网络所调控。至今为止，人们只是构建了小规模的花药调控网络，而对大规模且精确的调控网络了解非常有限。本文利用最大团算法整合基因表达芯片数据与启动子序列分析的尘物信息学方法构建拟南芥花药基因调控网络。基于这种方法，一共预测到6836对基因调控关系对，其中95对为高可信的调控关系对。在这95对基因中，有5对调控关系已被之前的实验验证。这些数据表明，我们构建的基因调控网络是较为精确的，为研究拟南芥生长过程中的调控机制和未知基因的功能提供了有意义的参考信息。　　 利用我们方法构建的基因调控网络不仅精确度较高，而且具有快速、高通量的优势，可以建立一个大规模的基因调控网络。我们构建的基因调控网络为生物学家建立真实的转录因子和靶基因之间的调控关系提供了理论依据。而生物学家的实验结果反过来进一步验证了构建的基因调控网络，这种相互作用可以促进生物信息学和生物学的快速发展。