布尔网络是研究基因调控网络的一种非常重要的模型,通过时序数据推理基因之间的调控关系是研究网络动态行为和干预策略的基础。现有的预测研究主要集中在基因之间的调控关系,而对调控基因与目标基因之间的布尔函数的作用方式研究甚少。由于基因调控网络是一种处于有序和无序之间的临界网络,本文的前一部分研究了三种函数泛化方法:众数规则、基于偏斜和基于互信息对临界布尔网络的稳态分布距离和灵敏度误差的影响。结果表明合理的泛化能够明显提高预测网络的稳态分布距离和灵敏度误差指标。三种泛化方法中,基于互信息的泛化方法的总体性能最好。基因调控网络最终是服务于网络干预的。已有认识是:最优干预策略UC在原始网络上的性能优于次优干预策略MFPT。然而,这在推理网络上未必成立,尤其是对于小样本情况。本文的后半部分从两方面对UC方法和MFPT方法的性能进行了比较:选取的干预基因的质量、干预策略的有效性。结果显示:在推理网络上,样本量小时,网络干预适合运用MFPT方法;样本量大时,适合用UC方法。在此过程中还发现:使用相对复杂的推理模型(N>1)有助于提高干预效果,尤其是对于较为敏感的UC方法。