随着基因芯片技术的发展，产生的海量基因表达数据与一定计算方法的结合可以重构基因调控网络。目前已有许多模型应用于基因调控网络的构建，其中贝叶斯网络模型以其坚实的理论基础、知识结构的自然表述、灵活的推理能力以及高效的决策机制使其应用范围越来越广泛，已成为构建基因调控网络的一种有力工具。使用贝叶斯方法构建基因调控网络已经确立了许多研究方向，如以信息论为基础的约束性方法，在基因表达数据中融合先验知识，无标尺网络的研究等。其中，使用互信息理论构建基因调控网络可以考虑其它基因对此基因的影响，但它只提供基因的功能特性而没用提供基因间的因果关系；在基因中融合先验知识可以克服基因的稀疏问题但是缺少在基因时序数据集中融合先验知识的实验比对，所以无法获得对先验知识错误的敏感度信息。本文在总结分析贝叶斯方法构建基因调控网络研究现状的基础上，对以上问题进行了改进，主要完成了以下工作：1.在基于条件互信息的路径一致性算法PCA-CMI的基础上，利用节点拓扑排序建立了构建调控网络的PCA-CMI-NO算法。为了建立这一算法对图分裂方法加以改进：首先对基因对间的互信息进行筛选，然后按贝叶斯得分对子图排序，根据子图顺序选取不同子图中含相同基因对间边的方向，从而确定基因表达数据中节点的顺序。最后，将节点拓扑排序结果应用于PCA-CMI所构建的网络，获得有向网络，同时使用条件互信息去除独立关系的边以提高网络准确率；2.利用吉布斯分布方法的能量函数融合一源生物先验知识，并将其拓展到多源生物先验知识的融合上面，并用不同可信度指标来减小先验知识与数据不一致的影响，最后分别使用MCMC算法与爬山算法在时序表达数据上构建不同生物源的基因调控网络，获得了对先验知识错误的敏感度信息；3.第一种方法在DREAM3的10基因和50基因酵母（yeast）上进行实验，第二种方法使用KEGG数据库中选取的14个基因的调控网络（包括3个转录因子），一组先验知识为Lee提出的实验数据和另外一组先验知识是Harbison提出的实验数据进行实验，分别实现了基于贝叶斯方法的基因调控网络构建实验系统，从而验证了方法的有效性。