通过动态网络的研究，我们才能深入把握系统的 动态特征，了解基因之间的相互作用机制、基因其 对于细胞或组织功能进行调控的机理，这样我们才 能够真实有效的逼近基因调控网络的真实情况，从 而利用这些信息为我们进行开发新药，疾病治疗， 生命研究提供帮助，并推动疾病基因组学，药物基 因组学这些分支学科的发展。
3. 动态基因调控网络
目前，多数的方法都使用静态数据来分析基因网 络,仅能用于指出在当前生命状态下，基因之间存在 何种相互作用。而真实的基因调控网络中，尤其在 某些发育过程中，各个基因的表达情况却并不是一 成不变的，基因的表达值随着时间的推移存在变化 ，最终各个基因的表达状态可能会达到一个相对稳 定的状态，如稳定的细胞间期，或者是达到一个动 态的平衡状态，如细胞周期过程等。这些稳定状态 也是相对的，某些关键基因状态的改变，将可能打 破当前稳定状态重新回到基因表达的动态转换。
根据生物数据和建模的不同要求，函数fi可以根据 实际情况确定。通常有下面两种形式：
• 5. 贝叶斯网络模型 以贝叶斯定理与贝叶斯假设为理论基础，用有向 无环图的形式表示随机变量间的概率关系。网络中 每一个基因是一个节点,每一个调控关系是一条边。
它可以处理随机事件、控制噪声，能够获得变量 间的因果关系,所以在基因网络模型中,贝叶斯网络比 其它方法更有优势。
三、网络模型
• 1. 布尔模型网络
基因调控网络的一种最简单的模型。在布尔网络 中，每个基因所处的状态或者是“开”，或者是 “关”。“开”表示一个基因转录表达，形成基因 产物，而“关”则代表一个基因未转录，没有表达。 过于简化，存在局限性。
• 2. 线性模型 线性模型是一种连续的基因调控网络模型。在线 性模型中，一个基因表达水平可表示为若干个其它 基因表达水平的加权和，即：
需要注意的是，基因之间并没有直接的相互作用 ，基因的诱导或抑制是受到特定蛋白的调控作用， 而该蛋白质本身是由调控基因编码的。将蛋白质和 各种酶的作用进行抽象，通过基因表达调控网络把 基因之间非直接的相互作用关系呈现出来是非常有 意义的，它映射了所有基因之间抽象的相互作用关 系。
2.转录调控网络
根据调控事件在基因表达过程中发生的先后次序 ，可将其分为染色质水平上的调控，转录调控，转 录后调控，翻译调控及蛋白质修饰五个层次。 转录调控：在特定组织或细胞中、特定的生长发 育阶段、特定的机体内外条件下，选择特定基因进 行转录表达。涉及到最多的基因与基因产物之间的 交互作用，具有最大的可变性，是认识基因调控网 络的最关键因素，是最重要调控环节。
基因调控网络构建方法研究
Harbin Engineering University
报告的主要内容
• 一、背景介绍
• பைடு நூலகம்、相关技术理论
• 三、基因调控网络模型
一、背景介绍
1.基因调控网络 无论是原核细胞还是真核细胞，都有一套精确的 基因表达和蛋白质合成调控机制。
基因表达调控是一个复杂的过程，基因和基因产 物（如蛋白质等）之间形成错综复杂的相互作用， 如果将这些相互作用用线条描绘出来，将呈现出网 状结构，也就是我们说的基因调控网络。
二、相关技术理论
• 1. 基因芯片技术 基因芯片技术的原理是基于DNA分子碱基互补的 特性。利用DNA序列之间的碱基互补配对原则，使 固定在片基上的探针序列与从样本RNA反转录并用 荧光标记后得到的cDNA结合，经由洗脱与荧光光度 检测，最终获得每个探针对应的荧光强度值，这些 荧光强度值能够反映出某个生命状态下基因组范围 的基因表达情况。基于这些原理，该技术实现了在 同一时间测定不同细胞的大量基因的mRNA水平，也 就是基因表达水平。
Xi(t+∆t)=∑ωijxj(t)+η
线性模型是一种简单的数学模型，只能处理具有 线性关系的基因表达数据，应用范围小。
• 3. 马尔科夫模型 马尔可夫链是一种随机过程，适用于分析时间序 列的基因表达数据。在马尔可夫模型中，马尔科夫 链假设：某一时间点的基因表达水平决定了下一时 刻基因表达水平，马尔科夫模型有如下公式：
• 2. 聚类技术 聚类分析是根据微阵列基因芯片数据，分析建立 基因调控网络模型的常用方法。应用于基因表达数 据的聚类分析方法包括： • K-Means聚类算法 • 自组织特征映射法 • 自动子空间聚类算法 • 分层聚类算法 通过对微阵列数据的聚类得到基因表达图谱，从 而分析基因表达调控的模式。
• 3. 数据挖掘 目前Internet上存在大量公共数据库。
C(t)=JC(t-1)
在构建基因调控网络的过程中，基于马尔可夫模 型，对基因表达谱的特征提取和聚类，都表现出良 好的适应性。 如果想提高模型的准确性，可以提高马尔可夫模 型的阶数。
• 4. 微分方程模型 微分方程模型假设一个基因为一个变量，对于由n 个基因组成的网络，可用如下n维微分方程来表示：