Um dos grandes desafios da biologia é a descoberta do conhecimento referente a como e quando os genes são expressos e se interrelacionam durante a sua expressão. Esses genes participam de redes regulatórias, as quais na maioria dos casos são desconhecidas. A descoberta da rede regulatória de um organismo, é de fundamental importância, dado que o conhecimento de como os genes estão inter-relacionados e seus produtos leva a possibilidade de intervenções e terapias gênicas para evitar que doenças aconteçam nos humanos, aumento de produtividade em cultivares, entre outras. É comumente conhecido que o estado funcional de um organismo é amplamente determinado pela sua expressão gênica. Logo, muitas técnicas de inferência de redes regulatórias são baseadas no perfil de expressão dos genes. No entanto, a maioria das redes regulatórias reais são desconhecidas. Nesse contexto, é importante a adoção de modelos computacionais que permitam o treinamento de métodos de inferência. Neste trabalho foi adotado o modelo de redes gênicas artificiais (AGNs), que utilizam modelos topológicos de redes complexas e redes booleanas probabilísticas para simular dados das expressões gênica. A partir dos dados de expressão, este trabalho analisou o comportamento da aplicação da entropia de Tsallis como função critério para inferir os inter-relacionamentos entre os genes, i.e. rede regulatória, a partir dos perfis de expressão. O objetivo principal deste trabalho é o estudo da entropia de Tsallis no processo de inferência, dado que pode ser ajustada por meio de seu parâmetro entrópico q, em comparação com a entropia de Shannon e medir a acurácia na predição entre os relacionamentos dos genes.