因果关系超越了相关性关系,它揭示了数据变量中一个变量引起另一个变量的变动模式。目前因果关系推断在许多领域中都得到了广泛研究,并成为一种了解和探索复杂系统内在驱动关系的有效方法。在生物信息学领域中,基因表达调控网络重构是因果关系推断中最典型的前沿性研究问题之一。生命体系统是一个非常复杂的整体运行结构。生命体中的基因不仅不是孤立存在的,而且基因之间具有特别复杂的交互调控关系。研究基因表达调控网络不但有助于了解细胞生命过程的运作机制,还有助于揭示生命过程的奥秘,为复杂疾病的治疗提供新的思路。基因调控网络的理解和探索已被证明在疾病诊断和基因组药物设计中具有重要作用。它还可以形象展示基因转录变化的动力学和生物生理状态,在理解表型性状的遗传基础中扮演着重要的作用。然而,如何推断和构建有效、可靠的基因表达调控网络仍然是一个研究难点。尤其在推断更大规模的基因调控网络关系时,对现有的基因表达调控网络构建方法带来了更大的挑战。本文的主要工作内容和研究成果如下:（1）针对目前基因表达调控网络构建方法的局限性,本文提出了基于时间序列基因表达大数据和转移熵的基因表达调控网络构建方法GRNTSTE（Gene Regulatory Networks Based on Time Series Data and Transfer Entropy,GRNTSTE）。该方法以转移熵理论为核心,通过计算分析大规模时间序列基因表达数据,从而推断基因之间的因果调控关系,进而构建基因表达调控网络。为了验证GRNTSTE方法的性能和有效性,本文基于开源的数据集DREAM3挑战和IRMA OFF/ON数据集进行实验验证,并与现有最为有效基因表达调控网络构建算法进行了对比分析,实验结果证明了GRNTSTE方法具有更好的性能和灵敏度。（2）作为生物体节律中枢松果体的活动有明显的周期性特点,科学家发现松果体可以通过分泌激素的形式将“时间信号”传达于中枢神经系统,从而调控生物机体的节律生物钟。现研究表明松果体分泌的褪黑激素昼夜间成周期性变化,对调解生物机体的睡眠和觉醒具有重要作用。因此,了解和探索褪黑激素的分泌机制对治疗人们睡眠异常问题等具有重要意义。本文将GRNTSTE方法应用于内蒙古自治区大数据研究与应用重点实验室采集的大鼠松果体组织的时间序列基因表达大数据集,并提出了完整的大鼠松果体节律基因表达调控网络构建框架,该分析框架包涵6个步骤,分别为时间序列基因表达数据采集;时间序列基因表达数据预处理;特征基因选择;计算成对基因间的转移熵;基因调控关系筛选;基因表达调控网络构建。基于该框架有效的构建了大鼠松果体组织节律基因表达调控网络,为生物验证实验提供了有价值的参考依据,对深入探索松果体中褪黑激素分泌机制具有重要意义。（3）针对GRNTSTE方法在构建基因表达调控网络中转移熵计算效率低和耗时长的问题,本文提出了基于Spark大数据技术的可扩展转移熵并行计算方法,该方法采用大数据分布式计算思想,将整体计算任务划分为多个独立子任务,并分发于Spark集群的不同计算节点,进行分布式并行计算,从而大幅度的提高了转移熵的计算效率。最后,本文针对课题的研究结果进行了总结分析,并指出当前方法中有待优化的环节和下一步研究展望。