近年来,随着后基因组计划的飞速发展,蛋白质组学在生物信息学研究领域中占据的地位已不容小觑。其中,对蛋白质结构及功能起到调控作用的蛋白质翻译后修饰,更是成为该领域中的研究热点。由于蛋白质活性调节、蛋白质相互作用、亚细胞水平定位等的需要,诸如泛素化、磷酸化、甲基化等蛋白质翻译后修饰成为不可或缺的重要因素。作为蛋白质功能调节和结构扩展的一种重要方式,蛋白质翻译后修饰在生命过程中有着至关重要的作用。一旦在修饰过程中出现异常,很容易引起机体不同程度的病变。以心血管疾病为例,在发病初期的血管内皮损伤过程中,相关蛋白质不同位点的磷酸化、泛素化等修饰是造成心血管疾病发生的直接原因。其中,作为人体内最常见的一种修饰,也是研究最为广泛的一种修饰,磷酸化修饰几乎存在于生命活动的各个过程。本文的实验数据是利用MALDI-TOF-TOF、LTQ Orbitrap和LCMS-IT-TOF高分辨率质谱仪,针对动脉粥样硬化主要致病基因ox-LDL对血管内皮细胞的作用,测定蛋白质每一个位点磷酸化的修饰情况,结合nano-2D-HPLC与高分辨率质谱仪联用技术,采集对照组及过氧化损伤实验组不同时间点的时间序列数据,得到参与蛋白质翻译后磷酸化修饰的各蛋白质位点的磷酸化浓度变化情况。结合KEGG等信号通路数据库,筛选MAPK信号通路中的DAG->PKC->Ras和Endocrinology/Hormones信号通路中的Ras–>MEK–>Src–>AR两条参与磷酸化修饰的通路进行网络的构建。本文的实验方法是在基于种群的增量学习算法(PBIL算法)的基础上,引入粒子群优化算法(PSO算法),以一种新的基于改进的概率增量学习算法,对蛋白质翻译后磷酸化修饰进行研究。根据蛋白质翻译后磷酸化修饰的动态特性,首先采用PBIL与PSO算法结合的改进的概率增量学习算法构建网络模型,再利用PSO算法对生成的模型整体进行更深层次的优化,使构建的网络模型更加准确。由于蛋白质翻译后磷酸化修饰网络的动态性和复杂性,本文选取的网络模型为微分方程模型,提出了蛋白质翻译后磷酸化修饰过程的一般的动力学描述,并利用反向工程原理,得到动力学方程,定量地描述不同蛋白质位点间翻译后磷酸化修饰的作用关系。本文使用改进的概率增量学习算法构建蛋白质翻译后磷酸化修饰网络得到了良好的结果,为构建蛋白质翻译后磷酸化修饰网络提供了新的解决方法,也将对进一步揭示蛋白质翻译后修饰之间的复杂调控规律、心血管疾病发病机制领域有关蛋白质翻译后修饰交互调控研究,以及为心血管疾病治疗过程中药物的起效机制与作用靶点研究提供了新的思路。