高通量实验技术的广泛应用积累了丰富的基因表达数据,这些数据反映出不同时空条件下基因的动态表达水平。利用各种计算方法对其进行分析和处理,提取内在的表达模式和特征,已成为认识和理解基因功能及相关作用机制的重要手段,也是当前生物信息学研究的重点和热点问题。本文围绕“基因表达及其转录调控机制”这一主题,针对基因表达数据缺失值估计、肿瘤样本分型识别、基因表达数据聚类分析、转录因子活动水平预测等问题进行了深入分析和研究,主要成果和创新点总结如下:1)针对时序基因表达数据提出了一种缺失值估计的新算法。缺失值估计是表达数据分析的重要预处理步骤。通过分析基因表达过程中共调控/共表达的时间特异性、并进一步提取时序表达数据的表达水平关联和表达趋势关联,本文提出了一种缺失值估计的新算法。该算法基于时间窗口捕获共调控/共表达的时间特异性,综合利用表达水平关联和表达趋势关联评估基因表达谱的相似性,并以这种相似性作为权值基于近邻基因表达谱实现缺失值估计。利用多组数据集设计数值实验与现有估计算法进行了性能比较,结果证实了本文算法的有效性和准确性。2)基于非线性维度规约技术进行肿瘤样本分型识别。分析肿瘤样本基因表达数据以提取其内蕴特征,能够为准确的分型识别提供依据,同时也有助于在分子层面增进对肿瘤发生及演化机理的认识和理解。然而,基因表达数据的“高维,小样本”特性导致适用于低维数据的特征提取算法性能受限。针对这一问题,论文采用非线性维度规约技术降低或消除数据噪音及各种干扰的影响,在规约后的数据空间上实施分型识别。我们重点研究了非线性维度规约算法的参数设置,分析比较了线性、非线性维度规约技术对肿瘤样本分型识别算法的性能影响。多组数值实验的结果表明,非线性维度规约技术能够更好地捕获肿瘤基因表达数据的内在非线性结构、提高分型识别的准确度。3)结合基因表达和功能注释数据设计了新的模糊聚类算法。聚类分析有助于提取基因表达数据中潜藏的功能模式,是理解表达数据和识别基因功能的重要手段。本文结合表达谱和功能注释语义信息评估基因之间的相似性,设计了新的模糊聚类算法,并利用功能注释数据提出了算法的初始化策略。数值实验表明,该算法能够准确预测基因功能并识别其所属的多个功能类别,得到更具生物意义的聚类结果。4)提出了转录因子活动水平预测的新方法。转录因子是基因转录过程的重要调控子,预测其活动水平有助于进一步理解基因表达的转录调控机制。基于非线性偏最小二乘回归模型,本文结合基因表达和ChIP-chip实验数据设计了一种预测转录因子活动水平的新方法。数值实验表明了该方法的有效性。此外,本文还基于该方法预测了11个已知与酵母细胞周期调控相关转录因子的活动水平,并进一步分析了转录因子活动水平的周期性和相关性,构建出酵母细胞周期的转录调控网络。