沈威 ，郑明，刘桂霞，邢翀，吴佳楠，周春光，周柚

(1. 吉林大学 计算机科学与技术学院，吉林 长春，130012；2. 北华大学 计算机科学技术学院，吉林 长春，132021)

随着互补基因技术(cDNA)和微阵列技术的进步，人们已经能够在整个基因组范围内进行基因调控网络的构建。这些通过实验获得的数据提供了在一些特定时间点各种不同的生化环境下基因表达的、很有价值的描述。并且这些数据让研究者能从基因的时序表达值下推断基因调控网络。尽管如此，需要的基因调控网络是存在于基因组中的成千上万的基因所构成的网络，极其复杂。所以，在系统生物学中一项极具挑战的工作就是从各种数据尤其是时序数据中推断出基因调控网络。在可观测系统和从算法中获得的网络之间是存在差异的，这种差异导致了算法精确度的差异，目前很难提供一个高度精确的算法来实现对任意实验数据的网络推断。尽管如此，研究更精确的网络推断模型仍然是生物信息学的研究热点。许多方法被提出并应用在基因调控网络推断上，这些方法包括布尔网络[1]、贝叶斯网络[2-3]和微分方程模型[4]等。布尔网络提供了一种网络结构关系的概念层方法，网络一般规模庞大，常常包含成百上千的基因，但是，网络中节点的状态只有开和关2种状态。贝叶斯网络是一种能够描述网络关系的概率模型，网络模型中每条边都存在1个概率，贝叶斯网络的图形构成的是1个有向无环图，节点一般包括几十个节点，规模适中。……