复杂疾病往往是由遗传、环境等多种因素共同作用导致的。挖掘复杂疾病的潜在遗传模式是揭示复杂疾病遗传机理的重要方法,其中基于多组学数据的复杂疾病网络模式挖掘方法为识别复杂疾病的遗传因子提供了新思路。本文以仿真数据和真实的复杂疾病多组学数据（基因表达数据、甲基化数据、拷贝数变异数据、单核苷酸多态性数据等）为基础,以遗传交互网络的构建与网络模式挖掘方法为手段,致力于发现复杂疾病的潜在遗传模式。具体研究内容如下:（1）针对复杂疾病多组学数据的网络构建问题,提出交互部分互信息测度,有效量化基因之间的依赖关系,从而构建基因之间的交互作用网络。将该方法应用到复杂疾病的基因表达数据上,进而从该基因网络中提取了与复杂疾病相关的特征基因以及重要通路。（2）针对复杂疾病遗传因子间的高阶交互作用检测问题,引入了两种节点用于构建高阶网络:真实节点表示遗传因子,虚拟节点表示遗传因子之间的交互作用。对构建的高阶交互网络进一步挖掘得到高密度子图,并对其进行了相关生物意义的验证。（3）针对复杂疾病遗传网络的节点检测问题,提出了基于归一化中心性测度的网络节点挖掘与分析方法。首先,识别复杂疾病的差异表达基因,并构建差异表达基因之间的遗传交互网络。然后,提出归一化中心性测度,全面分析该遗传网络中基因的局部特征和全局特征,从而充分挖掘网络中蕴含的特征基因以及重要生物通路。（4）针对复杂疾病多组学整合数据的社团挖掘问题,提出基于鲁棒主成分分析方法的社团挖掘与分析方法。首先,对多个复杂疾病的基因表达数据进行整合,引入鲁棒主成分分析方法从整合数据中筛选差异表达基因,并构建差异表达基因之间的交互作用网络,进而从网络中提取重要的社团。（5）针对复杂疾病多组学数据的网络构建以及网络整合问题,提出基于非负矩阵分解的网络整合与分析方法。首先,基于皮尔森相关系数构建复杂疾病多组学数据的异质性网络。然后,利用该整合方法对多个异质性网络进行整合,充分考虑不同的遗传因子之间的交互作用机制。最后,从网络中挖掘到与疾病相关的核心社团,并进一步检测出重要的生物通路。各项实验表明,本文提出的方法比同类方法在网络模式挖掘中更具优势,且可以检测到更多与复杂疾病相关的潜在遗传模式。