随着生物科学技术的不断研究发展,免疫治疗已应用于肿瘤、自身免疫性疾病等复杂疾病治疗过程中。疾病的发生是多基因间的复杂相互作用的结果,孤立地研究单个基因及其表达往往不能够确切地反映疾病发生、转移等内在规律,因此在后基因组时代,研究整个基因组的功能和动态变化规律是疾病免疫治疗中的研究热点之一。而通过基因调控网络建模有助于理解免疫系统中与疾病相关基因及其产物的生成过程和调控关系、疾病发生的原理和过程,从而实现对疾病的整体认识。基因调控网络建模在疾病治疗的发现诊断、控制和治疗,药物的筛选和研制方面都能做出贡献,对人类疾病预防及健康具有重要的影响。因此,通过基因表达数据构建出基因调控网络,发现基因之间的调控关系,寻找靶向基因,成为目前在疾病免疫治疗研究中的基础和热点。但是由于现在基因调控网络构建模型种类多、计算复杂,需要更多的改进优化研究。比较了现有的网络模型后,选择贝叶斯网络模型作为基因调控网络建模的基础模型。并通过对免疫算法的调研,发现免疫算法能够较好地解决NP-hard难题,受此启发,改进了免疫算法,提出了用改进型免疫算法学习贝叶斯网络结构的基因调控网络构建算法,提高了构建网络结构的准确率。(1)提出了面向免疫治疗基因调控网络的改进免疫算法。改进后的算法较一般免疫算法,改进了记忆细胞的处理方式,提出了动态提取和接种疫苗的策略,提高了算法的平稳性和收敛速度,让算法能更好地收敛于全局最优解。在解决经典NP问题的基础上,对比分析了一般免疫算法和基于最短路径疫苗的免疫算法的运算结果,验证了改进型免疫算法的有效性。(2)提出了基于改进型免疫算法的基因调控网络结构学习算法,降低了计算量,提高了网络结构的准确性。在基于评分搜索方法学习贝叶斯网络结构的框架上,用改进型免疫算法作为网络结构的搜索算法,用BIC评分函数作为算法中的适应度函数来评判网络结构的好坏。通过构建已知结构的标准网络,对比经典K2算法、爬山算法和基于一般免疫算法学习网络结构的算法,证明了本算法具有较高的精确度。(3)将上述提出的网络结构学习算法用于构建癌症的差异表达基因调控网络。文本选用GEO数据库中的乳腺癌患者样本数据,筛选出差异表达基因,使用上述提出的算法构建乳腺癌的差异表达基因调控网络。通过相关研究结果的对比分析,分析了网络中重要位置节点基因来寻找乳腺癌相关基因,证明用本算法构建的基因调控网络对疾病免疫治疗研究有一定的应用价值。