随着高通量生物学技术的发展,为以单个分子的结构和功能为研究对象的分子生物学逐渐转变为以分子之间相互作用机理为研究对象的系统生物学。基因调控网络的重构和疾病基因的预测是系统生物学中颇具挑战性的两个课题。基因调控网络是由一组基因、蛋白质、小分子以及它们之间的相互调控作用所构成的一种生化网络,是生命功能在基因表达层面上的展现。研究基因调控网络的目的是通过建立基因调控网络模型对某一个物种或者组织中的全部基因的表达关系进行整体模拟分析和研究,在系统的框架下认识生命现象。另一方面,随着疾病学研究的深入开展,人们越来越认识到目前单基因疾病分析方法的局限性,越来越多的研究人员开始从基因的相互关系着手研究人类疾病,更多地关注基因与疾病之间的关联关系。作为网络分析的基础,论文首先给出了基于谱聚类的复杂网络社团结构剖分算法。然后,提出了基因调控网络的多时延动态贝叶斯模型。在此基础上,论文提出了一种新的两步启发式的模型结构学习算法。接着,论文详细阐述了疾病和基因网络的关系,构建了一个整合的症状-基因网络。随后提出了一种基于症状网络模块化利用一致性分数来预测疾病基因的算法。论文的主要贡献如下:1.首次证明了数据聚类的谱方法可以最大化网络模块函数Q,并且提出了一种基于谱聚类的网络社团结构的剖分算法框架;2.构建了基因调控网络的多时延动态贝叶斯网络模型,提出了一种新的两步启发式的模型结构学习算法。论文用酵母基因芯片表达数据重构了酵母细胞周期基因调控网络,以此比较了新方法和传统的动态贝叶斯方法。3.论文初步给出了利用症状和基因网络关系来预测疾病基因的方法框架,构建了一个整合的症状-基因网络,提出了一种基于该网络模块化利用一致性分数来预测疾病基因的方法。