作为一种重要的蛋白激酶,AMP-activated protein kinase (AMPK)在细胞的能量代谢中发挥着中心控制作用,并有望成为治疗代谢性疾病,如糖尿病、肥胖及代谢综合征的有效靶标。因此,深入研究AMPK的结构、表达以及激活机制,将有助于理解AMPK的功能机理以及其在疾病中扮演的角色,并且能为疾病的诊断和治疗提供有效的方案。本文分别采用正关联规则和负关联规则,从两个不同角度来分析AMPK的各亚基之间的相互作用关系,以及外界刺激与各亚基之间的相互关联。本文的实验数据是通过在NCBI数据库中搜索相关的生物/医学文献收集的。针对Apriori算法在挖掘过程中产生了大量项集,并且不能有效地识别有趣的项集的问题,本文对其算法提出了改进：采用支持度约束来限定项集的产生；应用排序封闭在候选项集层进行剪枝；最后对频繁项集进行ε-聚类,减少项集的冗余。结合基于本文研究目的项集约束和规则约束,将改进后的正关联规则算法用于识别AMPK的正关联模式。实验结果表明改进后的算法提高了Apriori的效率,而且还识别了有用的AMPK激活模式。与正关联规则挖掘算法一样,负关联规则算法在挖掘过程中产生了较多负项集。针对这个问题,本文对已有的负关联规则算法提出了改进：采用互信息在项目层进行剪枝,提取具有强信息关系的项目集合作为数据挖掘的初始项目集；并在负关联规则挖掘中应用支持度约束来控制负项集的产生,其中项目支持度阈值的计算方法比正关联规则中的计算方法有优势,能识别强规则。随后,将改进后的负关联规则算法用于挖掘AMPK的抑制模式。实验结果验证了改进算法能有效地识别AMPK在信号通路中的抑制模式,并能为疾病的诊断和治疗提供新颖的观点。