随着生物信息学的迅速发展,在差异表达基因鉴别和基因功能分类的基础上,系统研究基因或者蛋白质之间的相互作用关系,建立调控网络,理解生物系统的内在模式和机制就成为当前的迫切需要和研究热点。本文研究基于微分方程模型的基因调控网络,主要包括调控基因选择和模型参数估计。调控网络构建中难点之一就是微阵列数据中的基因数远远大于观察的时间点数,所以无法进行有效的参数估计。基于一个基因的调控基因数目有限的认识,本文首先筛选出要研究的目标基因的调控基因,然后再针对各个目标基因建模。在调控基因的筛选方面,考虑到聚类能将功能相关的基因按表达谱的相似程度归纳成共同表达类别,相关系数可以被用来度量两个基因之间的作用强度,本文提出利用聚类和相关系数选择有限的几个基因作为调控基因,从而达到降低维数的目的。在调控模型的参数估计方面,本文结合麦夸尔特法和遗传算法求解模型参数,先用遗传算法选出好的参数初始值,再用麦夸尔特法求取高精度的模型参数值。在方法的有效性和优越性方面,本文通过在人工数据集和酵母菌数据集上的对比实验,表明本文的方法取得了比传统方法更好的结果,说明了本文的方法用于基因调控网络研究的有效性和优越性。本文对调控基因的筛选和系统的求解做了初步的研究和探索,虽然提出了一些积极的思路和想法,但是还存在很多问题,需要与生物学更好的结合以及更深入的探究。