肝癌(HCC)是世界上最常见的恶性肿瘤之一,每年大约100万人死于肝癌。虽然很多的致肝癌因子已经被识别,如HBV感染、HCV感染、酒精中毒、化学致癌物(黄曲霉素B1)、铁离子过量等,但是研究发现其发生与发展的本质是由于基因表达调控网络异常所致。近年来发展起来的CDNA微阵列技术,使得同时平行分析成千上万的基因成为可能,开辟了大规模基因网络研究的新时代,已被广泛应用于癌症研究,如前列腺癌、乳腺癌、卵巢癌等。由于细胞系统,像许多其他工程合成系统一样,由无数功能多样的元素组成,是模块化的。其功能的执行是由许多不同功能模块共同作用的结果,因此识别隐含在大量的基因表达数据之下的基因功能模块成为了研究的一大挑战。迄今为止,人们提出了很多识别基因功能模块的方法,如布尔网络方法、微分方程网络方法、贝叶斯网络方法、聚类方法和关联网络方法等。但是上述各种方法主要存在以下两个缺陷:第一,包含了若干个需要人为干涉的步骤,其结果在一定程度上依赖人们的主观经验和知识,破坏了结果的客观真实性。第二,包含了一些随机因素,如基因表达水平随实验时间和样本条件的变化而变化、有限的实验样本导致的测量噪音等。这些随机因素引入会导致一些虚假的信息,干扰真实的信息,从而影响结果的正确性和真实性。随机矩阵理论方法可以自动地、客观地分析基因表达网络,消除人为的不确定因素和人为的主观因素。而且,可以通过设置去噪因子q逐步将随机因素消除。随机矩阵理论方法克服了以往方法的困难,是一种新的、有效的研究基因表达网络的方法。本文采用随机矩阵理论方法研究了肝癌的基因表达网络。通过标准误差分析,得到了从富含噪声的肝癌基因网络中分离出真实肝癌基因网络的去躁最充分的关联系数,分析了由此获得的基因表达网络的13个基因功能模块,发现这些模块与肝癌的产生和发展有密切的关系。基于随机矩阵理论的方法克服了以往模块识别方法带有主观因素且不能去除噪声因子的缺陷,是一种有效去除随机噪声,识别基因模块,简化基因网络的方法。由于基因数目的众多及细胞生物过程的复杂性,从整体的角度系统研究肝癌基因表达谱对理解肝癌分子机制和探索新的治疗方法有重要的现实意义。