The present invention provides a method to create a Boolean or multilevel logic network model of a dynamic system of interdependent variables from observed system states transitions that can (1) operate with data consisting of only a fraction of all possible transitions, (2) accommodate measurement error on these transitions (3) produce a probability distribution over network functions (rather than simply giving one set of network functions that match the data) (4) support asynchronous activation times for different genes (5) support varying delays between gene activation and gene expression for different genes (6) accommodate the stochastic nature of gene network operations (7) support varying degrees of gene activation (not simply Boolean activation states) and (8) incorporate prior knowledge of the nature and limitations of the actual network functions being modeled.

Die anwesende Erfindung liefert eine Methode, um ein Boolesches oder Mehrebenen-Logiknetzmodell eines dynamischen Systems der voneinander abhängigen Variablen von beobachteten System Zustandübergängen zu verursachen, die (1) mit den Daten funktionieren können, die aus nur einem Bruch aller möglichen Übergänge bestehen, (2) unterbringen Meßfehler auf diese Übergänge (3) Erzeugnis eine Wahrscheinlichkeit Verteilung über Netzfunktionen (anstatt einen Satz Netzfunktionen einfach geben, die die Daten zusammenbringen), (4) Unterstützung, die asynchrone Aktivierung Zeiten für das unterschiedliche Unterstützungder Gene (5) verändern zwischen Genaktivierung verzögert und Genausdruck für unterschiedliche Gene (6) bringen die stochastische Natur der Gennetzbetriebe (7) Unterstützungsunterschiedlichen Grad der Genaktivierung (nicht einfach Boolesche Aktivierung Zustände) unter und (8) verbinden vorheriges Wissen der Natur und der Beschränkungen der tatsächlichen Netzfunktionen, die modelliert werden.