基因调控网络(GRN)是处理和解释大量遗传信息、阐释生物生命特征和规律的重要工具,可以用来描述特定细胞或组织中复杂的功能通路,这些通路代表了代谢、基因调控、转运机制或信号传导等生命过程。GRN在药物设计领域、癌症监测和治疗等方面具有重要作用,它的建模和模拟是新兴的生物信息学研究领域。新一代基因测序方法产生的大量且多样的基因表达信息,为基因调控网络的推断提供了大量的数据基础。然而,由于基因数据分布的复杂性和基因转录过程中的随机动力学特性,GRN的推断仍是一个巨大的挑战。传统的基因调控网络推断方法通过细胞中基因表达的平均值来分析基因间关系,从而推断基因调控网络,这些方法难以鉴别细胞中基因表达的异质性。基因测序技术的提高为解决这一问题提供了可能,通过分析所采集的单细胞转录数据,能够获取细胞中基因表达的异质性信息,但仅以此数据来推断GRN缺乏了基因达到稳态时的表达信息,并且因单细胞数据的高维度导致了算法的时间复杂度较高。为了解决传统GRN推断方法中存在的问题,本文开展了基于基因敲除数据和单细胞转录数据的GRN推断方法研究。研究内容如下:(1)针对基因调控网络推断方法缺乏细胞异质性信息、基因组合调控推断准确率低,以及分析高维单细胞数据过程中高时间复杂度的问题,本文构建了一个基于基因分类和单细胞转录的GRN推断模型。首先设计了一个基因分类算法,通过基因表达谱技术采集多个细胞中的稳态基因表达数据,分析数据以得到基因类别;然后以基因类别作为先验知识,分析单细胞转录数据,得到各基因间调控关系。实验结果表明,该模型能够分析出两种数据所包含的多样化信息,建立更加准确的基因调控网络,同时提升运算效率,为处理大数据集、高计算复杂度的单细胞数据的问题提供了一种新的思路。(2)现有的基因调控网络推断方法的推断结果中存在很多假阳性调控和误判的间接调控,导致GRN推断准确率不高。针对两种误判结果,本文构建了一种基于基因扰动的GRN推断模型。该模型分别设计相应的基因敲除实验,采集基因扰动数据并对其分析,从而判断当前GRN推断结果中误判的调控关系。经实验验证,该模型所采集的基因扰动数据能够观察到基因缺失或扰动时所有其他基因达到稳态的表达水平,其分析更好的捕获了基因间调控关系。该模型进一步优化了基因调控网络的推断结果,为建立更准确的基因调控网络提供了一种新的理论和实验方法。基因调控网络是基因组学领域研究的一个热点问题,本文研究为建立更加准确的基因调控网络,揭示细胞内基因、蛋白质和小分子间的网络关系提供了一种新的思路。