基因调控网络对于生物学研究具有重要意义,在疾病治疗等方面发挥着重要作用。随着高通量检测技术的发展,动态高维基因表达数据大量涌现,为精准重构基因调控网络提供了机遇和挑战。微分方程是研究基因调控网络重构的一类重要方法。目前大量学者对微分方程右侧函数形式作出了参数和非参数模型的假定,本文考虑将右侧函数作出部分线性单指标模型的假定,这个半参数模型的好处是既考虑了基因间的线性调控作用,又考虑了非线性综合调控作用。本文首先使用独立性检验进行高维变量初步筛选,构建部分线性单指标常微分方程模型,利用profile最小二乘方法进行参数估计后借助smoothly clipped absolute deviation(SCAD)方法进行变量选择,并证明了变量选择的相合性。其次,由于基因间的调控关系是有方向的,为了检验模型中参数的显著性,本文提出了部分线性单指标常微分方程模型基于有向图的似然比检验,证明了似然比检验统计量的渐近性质,并推广到了有向无环图似然比检验。数值模拟表明提出的模型和方法在小样本下的优良性质;实证分析使用召回率作为评价准则,通过酵母和大肠杆菌基因表达数据集重构10个基因调控子网,均得出较高的召回率,表明本文提出的方法对数据集的适应性更强。