基因调控网络是一种由基因之间的相互作用关系所构成的生化网络,它的建立能够使生物学家从系统的角度认识基因之间的调控关系以及高度复杂的生命现象,对肿瘤等复杂疾病的研究起着重要的作用。由少量基因组成的调控网络通常可以用传统的实验方法来获得,但进行生物学实验通常会耗费大量的时间和资源,使用人工智能和信号处理等新技术来推断基因调控网络成为一种重要的方法。随着新一代测序技术的发展,研究人员已经获得了大量的生物基因表达数据,为基因调控网络的构建奠定了基础。随着信息科学的进步,发展出了多种不同的基因调控网络数学模型。微分方程模型是一种动态的数学模型,适合描述基因表达浓度等随时间变化的过程,能够从时间序列微阵列数据中提取基因之间具体的相互作用关系。本文针对基于微分方程模型的基因调控网络推断算法中存在的问题进行了改进,提出一种改进的推断算法,比现有算法具有更高的鲁棒性,在此基础上结合基因的预选择方法,扩展了该算法推断大规模基因调控关系的能力,并通过生物信息分析验证了所提方法的有效性。本文的主要工作内容如下:(1)模型生成算法的改进。当基因数量较多时,遗传编程结合滤波算法所推断的模型复杂度较高且结果不稳定。本文针对该问题对遗传编程进行了改进,控制遗传编程所生成模型的阶数,降低模型的复杂度,提高了结果的稳定性。并对改进后的联合算法性能进行了分析。(2)调控基因预选方法。使用预挑选算法对调控基因进行筛选,降低模型推断过程中候选基因的个数,扩展了算法在大规模基因调控网络推断中的应用,提高了推断结果的准确性。(3)大规模基因调控网络推断算法在生物医学中的应用。使用酵母菌数据对联合算法进行测试,通过对比生物学实验获得的结果验证了算法有效性。使用人类宫颈癌数据集进行大规模基因调控网络模型的推断,分析基因之间的关系及其对复杂疾病的影响。