随着生物基因相关技术的发展,基因组测序的完成预示着人类步入了后基因组时代,生物基因的研究方向也从基因序列研究转向了结构和功能的研究。深入挖掘其中的信息,为生命科学提供更多更有价值的知识,为揭示生命奥秘提供相关理论基础。基因调控网络的构建,其目的在于从基因表达数据推断出基因之间彼此作用的潜在关系。本文针对当前构建基因调控网络方法中存在的缺点,提出两种用于构建基因调控网络的改进算法,提高预测的准确度,本文的主要工作如下:为了解决K2算法难以准确确定初始节点顺序以及容易陷入局部最优解等问题,本文提出基于K2算法和模拟退火算法的贝叶斯网络构建算法MI_K2SA。MI_K2SA算法利用互信息衡量节点之间的关联程度构建出无向网络,依据最大权生成图获取初始的节点顺序作为算法MI_K2SA的初始输入,在搜索最佳网络过程中融合模拟退火算法跳出局部最优网络从而搜索全局最优网络,通过在Asia网络上和酵母菌数据集上的实验表明,MI_K2SA算法不仅可以有效地获得初始节点顺序,提升算法性能,而且获得的网络具有更高的准确率。针对用于构建基因调控网络的基因数据存在大变量小样本以及没有充分利用基因数据时序性等问题,提出基于最大信息系数构建时序基因调控网络算法MICRAT。最大信息系数可以衡量两个基因关联程度,而且即使在少量数据集上也可以得到较高的精确率,适合具有高维少样本的基因数据。算法MICRAT引入最大信息系数衡量两个基因之间的关联程度,以此构建基因调控网络无向图,使用条件互信息去除无向图中冗余的三角环,考虑到基因数据时序性特点,综合利用时序互信息和条件相对平均熵进行无向图中边的定向。通过在仿真数据集和真实数据集上的实验结果表明,该算法即使在时序样本个数很少的情况下依然具有较高的准确度。