基因调控网络是整个系统生物学中的基础和核心，通过基因调控网络的重构，人们可以认识生物系统内部的运行机理，揭开生命奥秘的本质。在本文中，我们基于约束性布尔网络模型提出了一种基因调控网络预测的新算法。它通过连续两个状态之间目标基因的变化确定出预测基因与目标基因之间的调控关系，并选择出具有最小错误个数的预测基因集合，然后运用统计学方法将在多个具有最小错误个数的预测基因集合中频繁出现的基因作为最终目标基因的输入基因。通过在仿真网络及芽殖酵母细胞周期网络上与最佳拟合扩展和三条规则算法的比较结果发现，在三种噪声条件下，我们提出的新算法在边的标准化汉明距离eham?及状态转移的标准化汉明距离stham?上都要优于另外两种，而稳态分布距离?ssd则介于最佳拟合扩展和三条规则方法之间。这说明我们的算法比Best-Fit和Three-rule算法具有更强的鲁棒性和预测准确性，更适合从实际的生物时序数据推断基因之间的调控关系。　　网络的动态特性有：有序、无序和临界状态。已有研究表明，一般真实生物网络处在有序与无序之间的临界状态，临界状态与生物系统在复杂环境中的稳定性及在进化过程中对环境的适应性密切相关。在本文中，我们研究了与真实生物网络拓扑结构类似的无尺度布尔网络的动态特性，发现通过调整布尔函数偏斜度可以使无尺度布尔网络很容易从无序转变到有序状态，而随机布尔网络则很难。这也从理论上证明了真实生物网络结构具有无尺度特性以及网络在进化过程中会选择具有更大偏斜度的函数。