在人类后基因组时代，基因调控网络由于其能够系统的反映生命演化过程，引起了生物学领域的重视。基因调控网络是由细胞中参与基因表达调控的DNA、RNA、蛋白质以及代谢中间物所形成的相互作用的网络。目前，高通量基因芯片数据的出现和高性能计算机的使用使得用模拟计算的方法大规模的研究基因表达调控成为可能。如何用统计学习的方法对高通量生物实验数据进行分析，并根据一定的数学模型利用计算机算法来预测基因调控网络的结构，是目前生物信息学研究的重要内容。　　 本论文的研究基于动态贝叶斯网络及多智能体系统(Multi-Agent System)构建基因调控网络，论文的主要研究成果如下：　　 (1)提出了一种新的基于动态贝叶斯网络和多智能体系统(Multi-AgentSystem)的数据融合算法，即MAS-DBN算法，并利用该算法通过对多种元数据的融合实现了对基因调控网络的重构。　　 (2)利用该算法对酵母细胞的25个基因通过对基因表达值和转录因子结合位点数据的融合进行基因调控网络的重构，并且通过与其他算法的比较，证明论文提出的算法可以有效改善基因调控网络的重构效果，不仅可以提高真阳边的个数，而且大大降低了假阳边的个数。　　 利用统计学习的方法预测基因调控网络的研究仍处于尝试和探索阶段，相关数据库的建设和高质量软件的开发是一项紧迫而艰巨的任务，本文所提出的方法在构建基因调控网络方面取得了一定的成功，但仍需进一步深入和完善。