土壤盐碱化引起的非生物胁迫在全世界范围内造成了普遍持续的农作物减产。作为最重要的粮食作物,水稻(Oryza sativa)改良的一个重要方向就是通过分子育种的方法使其具备盐耐受性。然而作为一种由多种基因共同作用决定的复杂性状,人们对水稻耐盐性的机理仍然知之甚少。本文采用新的计算生物学方法,从系统生物学角度构建了水稻耐盐的机理网络;开发了一种基于机器学习Bootstrap SVM-RFE的改进volcano plot方法来处理基因表达数据,并从中选取与水稻耐盐相关的基因;通过构建选择得到基因的蛋白相互作用网络获得若干网络模块。这些模块所关联的生物过程包括:磷酸化作用、泛素作用和若干蛋白酶作用,如过氧化酶、天冬氨酸蛋白酶、葡萄糖基转移酶以及黄酮醇合成。通过基因本体富集分析,这些被找到的模块大多与已知的耐盐机理相关,如信号传导机制,离子泵,脱落酸调节,活性氧清除和离子隔离。这些结果也能够被数量性状位点(QTL),共表达分析和调控binding motif分析所验证和评估。本文还预测了一些与耐盐机制QTL密切相关蛋白的三维结构,并从拓扑性质上探索其在机理网络中的作用。同时,针对不断涌现的二代测序数据,本文提出了一种贝叶斯划分算法,以发掘全基因组关联分析中基因型与表现型的高维相互作用,为从序列层面挖掘生物的分子机理提供数据挖掘和分析工具。本研究中的计算生物学研究在一定程度上揭示了水稻的耐盐机理,提供了研究一般植物性状的系统生物学计算流程。