高通量生物检测技术的广泛应用带来了分子生物学数据的指数级增长,使得生物数据的融合与生物知识的挖掘成为目前生物信息学面临的重大挑战。以高通量微阵列为例,其能够并行检测数以万计或百万计的基因组位点的生物特征信息,如基因的表达水平、SNPs以及DNA甲基化修饰水平等。　　基因是决定性状的主要因素,其表达与否、表达量的高低受到不同遗传性因素的控制,包括SNPs与DNA甲基化修饰等。其中转录调控层面的遗传性因素从源头上控制着基因的表达而显得尤为重要。针对这些遗传性因素的数据融合与知识挖掘能够帮助人类认识自身发育、生长、成熟、衰老等过程的分子机理,甚至能够极大地帮助疾病的诊断与治疗。已有的生物信息学研究不能较好地利用高通量数据或者无法满足分析或预测精度上的要求,因此亟待更为高效的计算分析方法的出现。本文以高通量数据为基础,针对转录调控层面的上述两类遗传性因素设计或发展相应分析与预测方法以研究它们对基因表达的转录调控机制或自身规律。本文的主要内容包括:　　(1)设计了面向全基因组关联性分析数据的转录调控SNPs的定量预测模型。　　从全基因组关联性分析数据中进一步提取单个SNP与性状的相关性是一个亟待解决的热点问题。在转录调控层面,已有的生物信息学方法只能定性地给出单个SNP在性状中转录调控功能的可能性。本文充分考虑转录因子结合位点与非转录因子结合位点间的序列不相似性,把序列不相似性量化为 SNPs转录调控功能的度量,同时结合转录因子在不同性状中的生物功能差异,设计了性状相关转录调控 SNPs的定量预测模型。该模型在分析疾病相关的突变数据与骨密度的全基因组关联性分析数据中取得了较好的预测结果,证实了模型的正确性。　　(2)提出了基于转录因子调控的不同性质DNA甲基化修饰的遗传规律分析方法。　　DNA甲基化修饰的遗传规律研究能够帮助认识人类组织分化、发育、衰老等生命过程。转录因子被认为与 DNA甲基化修饰的遗传有关。已有的研究只能判断转录因子是否参与了DNA甲基化的调控而无法针对特定的DNA甲基化修饰给出具体的调控机制。本文从时间序列的微阵列数据出发,利用笛卡尔积定义不同性质的 DNA甲基化修饰(包括持续变高、持续变低、随机变化、保持不变且高甲基化、保持不变且低甲基化共五类),并通过随机抽取方式建立DNA甲基化修饰对照模式,进而构建基于转录因子的DNA甲基化修饰的遗传规律分析方法。该方法在卵巢癌微阵列数据的分析中,揭示了卵巢癌组织DNA甲基化修饰的遗传规律。　　(3)论证了DNA甲基化修饰高通量微阵列数据的概率分布,并提出了相应的差异分析模型。　　高通量微阵列是研究 DNA甲基化修饰的重要数据来源。针对这类数据的差异分析旨在寻找更有生物学意义的 DNA甲基化修饰位点成为最常见的分析内容。已有的经验贝叶斯分析模型没有回答其概率假设分布的正确性问题,且不考虑探针读取误差因素。本文针对常见的对数正态分布与Gamma分布,设计了相应的考虑不同误差因素的经验贝叶斯分析模型。通过比较不同模型的统计学与生物学性能,本文论证了对数正态分布模型的正确性,同时给出了相应经验贝叶斯模型并通过仿真实验验证了其可用性。　　(4)建立了DNA甲基化修饰对转录因子的调控功能的定量预测模型。　　DNA甲基化修饰能够通过阻碍转录因子在DNA序列上的结合而影响基因的表达。高通量微阵列数据为定量地分析这种关系提供了条件。已有的研究认为该关系能够用反向 Sigmoid函数模拟,但因无法定量估计函数参数而不能预测其具体调控功能。本文扩展了该模型,同时结合转录因子的基因表达调控模型,通过最优化DNA甲基化修饰对基因表达的调控关系给出了DNA甲基化修饰对转录因子的调控功能的定量预测模型。模型在多类组织之间的预测分析结果表明了该模型的可用性与DNA甲基化修饰调控功能的组织非特异性。