恶性肿瘤穿过健康的身体组织并摧毁它们,严重威胁了人类的生命。乳腺癌是由乳腺细胞发展而来的恶性肿瘤,也是世界上几乎所有地区的女性中最常见的癌症,占癌症诊断的三分之一。对于以乳腺癌为例的复杂疾病,通过巨大努力去获取不同条件的数据并构建用于解释不同的基因调控机制的静态网络是必要的。然而,鉴于基因的调控网络具有动态性且特定于环境,因此分析网络的拓扑变化并构建基于差异网络的乳腺癌基因分析模型应作为研究乳腺癌的重要工作。本文研究的数据来自GEO和TCGA两数据库,TCGA中的数据是研究的主要数据。首先,对GEO中的数据进行基因差异表达分析和PPI分析,其中GO＿BP和KEGG通路分析寻找差异基因在哪些生物学过程与通路中高富集,PPI分析获得相互作用强的蛋白质。其次,对TCGA中的miRNA、clinical数据和TCGA-BRCA项目中brca的突变数据进行生存与突变分析。在生存分析中:edgeR方法寻找差异基因,KM方法估计各时间的生存率并画出生存曲线,Cox回归模型研究影响生存的因素(包括其大小和方向)并建模。乳腺癌基因的突变分析用maftools工具,其中Fisher精确检验方法分析突变基因的互斥性、共现性,CoMEt检验找出包含两个以上互斥基因的基因集。最后,用DINGO和iDINGO分析模型研究包含乳腺癌组织和相邻的正常样本的653个样本,其中GLasso方法通过最大化惩罚对数似然率来得到对精度矩阵的稀疏估计,Greg.em函数拟合精度回归模型,Sigmax函数从两分析模型的参数中获得群特异性协方差矩阵,bootstrap算法求基因间的差异分数,plotNetwork函数绘制DINGO和iDINGO标识的差异网络。本文中,PPI分析得出AKR1C3与AKR1C1间的相互作用最强,生存分析得出年龄对乳腺癌病人生存率的影响最显著,突变分析得出基因TP53、GATA3、CDH1互斥,DINGO分析得出GSK3蛋白在差异网络中被鉴定为枢纽蛋白,DINGO和iDINGO分析均得出MIR214基因的边缘值最高。这些基因、蛋白与乳腺癌的发生有关,因此上面各种分析方法有利于乳腺癌的研究。