如何利用海量基因表达谱数据来研究基因间的调控关系是当前生物信息学的一个重要研究领域,利用数学模型挖掘基因表达谱数据中蕴含的生物信息已成为研究热点。本文针对某些物种的基因表达谱数据,构建了基因挖掘的数学模型,并做了数值试验进行验证。在文章开始我们简单地介绍了文章写作的背景,分析了目前基因表达谱数据挖掘的研究现状,并简要概括了本文的主要研究工作。由于基因的序列表达谱的不平稳信号中含有大量信息,为了更好地挖掘基因表达谱中的信息,在文章第二部分我们首先对基因表达谱数据进行预处理和差异基因初步筛选找出差异较大的相关基因;然后,将初步筛选出的差异较大的基因利用DAVID的功能聚类工具进行基因功能聚类,从而得到不同的基因功能簇(即富集分析)：最后,对所得到的各个基因功能簇建立SOM网络进行分类,按分类的正确率找出差异显著的基因功能簇。这样,基于自组织映射网络对差异表达基因挖掘的数学模型就建立了。在第三部分,我们构建了基于前馈神经网络的线性动态基因调控网络模型。首先,我们利用第二部分的方法对基因表达谱数据进行预处理和差异基因初步筛选;然后,对初选出的表达差异大的基因,构建动态线性调控网络,通过对相关网络参数的分析找出关键基因：最后,利用基因功能注释挖掘出基因表达数据的生物学信息,即找到与相关功能密切的关键基因。文章的最后,我们对基因表达谱数据的挖掘研究作了一下展望,并提出了下一步可能的研究方向。