微阵列技术的发展产生了大量的基因表达数据,这为人类充分认识并挖掘基因间的相互关系提供了可能。基因调控网络旨在从貌似杂乱无章的基因表达数据库中发现基因间的调控关系,为科学家从整体论角度理解生物细胞周期乃至蛋白质功能提供了可靠的依据。本文采用基因表达时序数据,利用动态贝叶斯网络方法重构多时延基因调控网络,并利用遗传算法对网络结构进行优化,以提高准确率。首先,本文在研究基本动态贝叶斯网络的基础上,致力于以下两个方面的改进工作:第一,引入生物学中的结合位点作为先验知识,提高预测的精度;第二,在基于最大似然和最小描述长度计算网络适应度函数的过程中,允许不同时延的调控基因在同一时刻同时调控同一目标基因,使该模型更加符合生物体真实的生命周期。其次,本文采用遗传算法以进一步提高算法精度。在使用遗传算法优化基因调控网络的过程中,主要做以下几个方面的改进工作:将完整的网络作为遗传算法的一个个体;利用互信息得到的时延矩阵对遗传算法的个体进行初始化,以加快遗传算法的收敛速度;根据遗传算法迭代次数的提高减小交叉和变异的比率,以增强遗传算法后期的稳定性;将结合位点应用于遗传算法并根据结合位点对调控基因和目标基因间的时延进行变异,以提高算法精度;随机选择一对基因进行时延变异,从而避免过拟合的发生。本文采用马休兹相互作用系数(MCC)、规格化互信息系数(MIC)和选择性(Sp)对提出的算法进行评价。实验结果证明运用遗传算法对贝叶斯网络进行优化能取得良好的效果。基于上述思想,本文设计并实现多时延基因调控网络的重构平台。在该平台下,可以集中精力进行基因调控网络构建算法的研究和评价,并快速进行实验,节省时间。