重建出全基因的基因調控網絡在系統生物學中是一個高挑戰性的問題，其中包括生物調控領域知識，基因調控網絡的數學模型，並且最佳化該模型的大量參數。本實驗 室提出了兩個方法為GeNOSA和IRNet ，可以重建定量和穩定的基因調控網絡（GRNs） 。透過了解這些網絡調控關係，我們可以針對疾病的調控機制發現異常的調控關係。
重建出可量化的GRNs仍然是一個挑戰，在不同實驗條件下的轉錄因子和基因有不同的定量關係。使用所提出的GeNOSA方法，可從微陣列數據建立的定量 GRNs ，找出能夠解釋的隱藏資訊，例如轉錄因子活性和它們的影響的下游基因的表達。 GeNOSA已成功地建立出與已知調控知識高度一致性的GRNs，且已用EMSA和real-time PCR在大腸桿菌中做實驗驗證。
使用非線性模型可以反映出真實的生物反應，由於實驗數據有雜訊且基因數量多，且實驗數據量少，難以建立出穩定的網絡。我們提出一個逐漸重建網絡演算為 IRNet ，可以在每次迭代中決定調控關係且有繼承機制可以繼承每一代鎖定的調控關係，逐步降低解空間。最後IRNet可使用少量的生物實驗數據來重建出一個穩定的 GRNs。
