生物信息学中的逆工程问题是通过时序基因表达数据来对基因调控网络、代谢网络或者是信号网络的动态特性进行建模的问题，目前的研究主要集中在具有长时序基因表达数据的生物体上。而像细菌和原核生物等在实验研究中往往获得的时序数据比较短，而利用现有方法难以获得较好的建模效果。　　本文基于前馈网络环（FFL）、粒子群优化算法（PSO）和免疫粒子群优化算法（IM-PSO），发展了利用短时序基因表达数据对基因调控网络进行动态建模的方法。针对E.coli中一个与L-色氨酸代谢相关的小网络，我们运用本文方法针对三组不同实验条件下的基因表达数据推断调控网络的动态性。这个网络包含7个基因和27个待估计的模型参数。我们只利用7个基因在4个时间点上的表达数据来估计参数。实验结果表明对于三组实验数据，本文方法估计出的基因表达数据精确度都在94％以上。在方法的收敛速度方面，我们将基于PSO和基于IM-PSO的两种方法收敛速度进行比较，发现基于PSO的方法收敛速度比基于IM-PSO的方法要快一倍以上，说明对于短时序基因表达数据，PSO比IM-PSO要更加适合于本文的模型。在方法的预测精度方面，我们将本文方法与生物状态空间模型的方法进行了比较，生物状态空间的方法对第一组数据的拟合精度只有18.56%，对其它两组数据拟合表现结果非常差，与真实数据呈现出负相关的关系。