解析基因调控网络的结构对生物信息学至关重要,它为生物有机体的机理研究及功能分析提供了一个全新的分析工具。现有许多推断调控网络的方法,但由于基因数据存在着大量直接或间接的调控关系,而基因表达数据的样本数量却非常少,这些问题导致现有重构基因调控网络方法的识别率都十分有限。在系统生物学领域,从基因表达数据推断基因调控网络仍是一项挑战。本文的研究重点是重构基因调控网络方法和系统,针对不同类型的基因表达数据,分别构建基因调控网络,提高算法的准确性和可靠性,并搭建基因调控网络推断系统。本论文主要内容包括以下几方面:1.提出了基因静态数据调控网络推断方法:针对静态基因表达数据,提出了包括分解过程、学习过程和融合过程的基因调控网络推断方法,应用随机化和正则化解决模型过拟合问题,对初始权重增加归一化和统计学方法处理,解决了初始建模所得权重不一致的问题,从而提高了模型的准确率和稳定性。2.提出了基于先验融合的基因时间序列数据调控网络推断方法:针对时间序列基因表达数据,提出了Boosting的非线性模型和先验信息融合的框架来构建基因调控网络。考虑了先前时间点基因表达的累积信息,同时将其它类型的数据作为先验信息融合到模型中,大幅提高了预测模型的性能。3.基因表达数据调控网络推断系统原型实现:构建了一个集成静态和时间序列基因表达数据的调控网络推断系统,该系统首次将基于先验融合的集成框架算法用于线上基因调控网络推断,并对算法获得的调控网络进行可视化,达到了较好的线上网络构建及分析的效果。如何准确高效地利用不同类型基因表达数据进行网络重构是该领域研究的共同目标,本论文研究传统基因调控网络构建方法的不足,提出了分别针对静态基因表达数据和时间序列基因表达数据的更优算法,大大提高了基因调控网络重构算法的准确性和可靠性。