转录因子(Transcription factor,TF)在调控基因表达的过程中发挥着重要的作用,通过与基因上游特定序列结合,从而影响目的基因的表达时间、表达位置以及表达强度。实际上,多个转录因子之间会形成复杂的组合模式来参与基因的表达调控过程。为了系统的分析转录因子组合与基因的表达水平之间存在的关系,以GM12878(人类B淋巴细胞)作为研究对象,利用两种表达数据得到了基因的表达水平,通过取交集的方法构建了高表达和低表达基因数据集。从ENCODE数据库中下载了已知的83种转录因子的ChIP-seq数据,计算了转录因子对目标基因的关联强度,据此建立了高表达、低表达基因集合的转录因子互作网络,并通过可视化软件Cytoscape进行可视化。通过对网络的筛选,发现在高表达基因的转录因子相互作用网络中BCL11A占有重要地位,以及高表达特异相互作用NFYA-NFYB-SP1。我们发现,在调控基因表达时一定数量的转录因子之间形成子模块形式,研究共得到3个高表达特异的子模块和3个非特异的子模块。然后,利用卷积神经网络(CNNs:Convolution Neural Networks),以模块中所有转录因子的信号作为特征,预测了基因的表达水平。我们发现,预测效果最好的非特异子模块A(ATF2、BATF、IRF4、BCL11A、NFIC、FOXM1)平均AUC值为89.33%,特异子模块F(TCF12、TCF3、PML、TAF1、POU2F2)的预测效果次之(平均AUC值为87.56%)。最后,将模块内转录因子的信号进行融合,并利用模块特征进行预测时,发现3个高表达特异的子模块AUC值升高,而其余3个非特异的模块AUC值则下降。这一结果进一步表明,对具有高表达特异性的3个子模块中的转录因子存在密切的相互作用形式。