近年来,随着人类基因组草图绘制和测序工程的基本完成,产生了大量的生物数据,包括基因表达数据、基因序列数据、分子调控关系等。这些生物组学数据帮助研究学者们了解生命进程、细胞过程、基因突变、复杂疾病致病机理等方面。同时,随着计算机学的发展,利用这些数据,从网络层面发现生物体内调控关系、驱动通路以及癌症过程已经变成热门研究话题之一,而功能模块作为实现细胞功能的基本单元对理解生物内体调控机制有重要的意义。本文基于microRNA、转录因子(TF)和mRNA共调控网络,利用三种分子表达图谱和先验调控关系,提出了如下两种功能模块识别算法:(1)目前关于生物功能模块识别算法很少将转录因子和miRNA共同视作调控子,忽视了两种调控子对靶基因的调控作用,本文提出了基于密度峰值的功能模块识别算法CRMDP。该算法在miRNA-TF-mRNA皮尔逊关联网络上,使用鲁棒性主成分分析法找到高权重边的稀疏矩阵和可以包含原邻接矩阵结构的低秩矩阵。然后,在稀疏矩阵中计算每个点的拓扑距离和密度,采用带阈值的拐点找到距离和密度乘积较大的密度峰值作为聚类中心。最后,考虑到生物网络中调控强度的大小,平衡了拓扑相似度和调控强度来计算节点分配到每个聚类的概率,将剩余节点分配到概率较大的模块,并且引入一个重叠参数允许节点存在于多个模块。实验结果表明,与算法SNMNMF、DP和OSC相比,CRMDP无论在拓扑特性还是生物富集方面,更能识别出更显著的功能模块。(2)考虑仅输入表达谱数据不能有效包含更多有效生物信息,以及CRMDP需要进行重叠参数选择,提出了一种融合多源信息的邻域扩散共调控模块识别算法APNICRM。APNICRM可以视作一个三阶段的重叠社区识别算法,首先融合了表达谱数据和已验证的转录因子与mRNA、miRNA与mRNA以及miRNA与转录因子调控关系,基于正则化的最小二乘法构建miRNA-TF-mRNA共调控网络。然后,利用亲和传播算法,通过两个变量的迭代优化找到最佳模块候选种子,并且采取邻域相似策略合并相似度较高且可能会成为一个模块执行相似功能的候选种子成为新的种子集合。最后,利用从种子节点开始进行邻域扩散,不断加入或者删除节点,直到适应度函数不再增加,找到最终共调控功能模块。相比SNMNMF、CRMDP和AP算法,APNICRM所识别的模块密度更大、关联性更强,同时富集分值也较高,具有较强的生物意义。