基本的数学问题都可以在这篇文章里得到回答Pe'er, D. (2005). "Bayesian Network Analysis of Signaling Networks: A Primer." Sci. STKE 2005(281): pl4-. 而比较原始的是这篇文献Friedman, N. (2000). "Using Bayesian Networks to Analyze Expression Data."

关于贝叶斯网络比较重要的一个公式是这样的

这是根据实验数据对网络拓扑结构进行打分，其中alpha是参数，后一个对应的是变量xi在其调控结点（Pai）取值为u时取值为j的概率，前一个alpha则是对后一个alpha对j求和。根据这样一个打分函数就可以通过优化算法获得打分较高的网络结构。在这篇文章Beer, M. A. and S. Tavazoie (2004). "Predicting Gene Expression from Sequence." Cell 117(2): 185-198. 的Method里可以直接找到这个公式。

最后神书镇楼

当时在清华听Michael Q. Zhang的课，这是参考书。

系列其他文章：

生物中的逆向工程技术（一）: 线性方程

生物中的逆向工程技术（二）：参数模型

生物中的逆向工程技术（三）：布尔网络模型

生物中的逆向工程技术（四）：贝叶斯网络

生物中的逆向工程技术（五）：利用相关系数得到直接相互作用

生物中的逆向工程技术（六）：CellNet与细胞工程