生物细胞学中的生化机制源于内部分子的相互作用,生化网络中的非线性反馈调节细胞内部的活动。随着近二十年来高通量技术的不断发展,如大规模细胞检测或单细胞测序,允许在众多的实验条件下对大量细胞进行多变量检测,具有先进的技术可靠性。这使得测量生物细胞中成千上万的分子变得更加容易,但是在分子水平上理解其作用机制方面也迎来了更严峻的挑战。即如何从这些大规模的细胞数据集中提取知识,构建一个可以表示细胞分子间因果关系的互作网络,促进人们对基础科学的理解,并为各种显性的生物现象提供合理的解释。在基础生物学研究中,研究因果关系最常见的方式就是进行随机对照实验,但该实验要求严苛、耗时昂贵且受限于各种伦理道德。为了摆脱随机对照实验的种种限制,从观测数据出发利用其统计特性的因果发现方法被提出。然而传统的因果发现方法在实际的运用场景中或多或少存在一些局限性。本文将细胞观测数据中的因果发现作为研究重点,提出一种基于函数因果模型的发现细胞分子互作网络因果关系的方法。该方法结合了样本的相似性,使用特征选择方法构建细胞分子间的因果骨架。然后利用条件独立性及分布对称性推断细胞分子间的因果方向,最终生成细胞分子互作网络,该网络以可变数量的节点和方向清晰的展示了细胞分子间的因果关系。本文主要工作如下:（1）详述了细胞分子间的互作网络和因果发现的发展历程,分析了该领域的国内外研究现状和传统方法的不足,在此基础上阐明了本文的研究重点及研究意义。（2）本论文提出一种基于函数因果模型的细胞分子互作网络发现方法。该方法首先利用标准欧氏距离对细胞观测数据进行代表性抽样,然后通过基于希尔伯特独立准则（Hilbert-Schmidt Independence Criterion,HSIC）的Lasso特征选择方法获取因果骨架,最后使用生成式网络进行函数因果建模,确定其因果方向。（3）在三个公共的细胞分子数据集上分析了该模型的预测效果,与不同模型对比并分析其结果。通过实验结果得出本论文所提方法的有效性和鲁棒性。（4）基于本论文所提的方法,设计并实现了一个细胞分子互作网络因果关系的验证系统。