转移是癌症研究中一个长期存在的问题,阐述癌症的转移机制对于癌症的临床诊断以及晚期癌症患者的治疗具有十分重要的意义。作为癌症发展中最为致命的一个过程,大约有90%的患者死于癌症的转移阶段,并且常常表现出对某些器官的偏好性,大脑、骨头、肝脏和肺部是四种最常见的转移器官。差异表达基因并不具有保守性和特异性,很难从系统层面解释复杂的癌症机理,缺乏对系统级特性的整体看法。得益于基因测序技术的进步以及网络建模技术的发展,基于网络生物学的分析方法已经被广泛应用于癌症的各项科学研究中。对基因共表达网络的研究与应用使得我们从系统层面加深了对癌症的理解,也为我们研究癌症向特定器官转移的机制提供了新的启发。为了探究癌症的转移机制,我们提出了一种可以对癌症的转移器官进行预测的方法CM-Predict。利用同类型癌症样本基因共表达具有一致性的特点,我们搭建了一个利用参考网络和扰动网络进行特征提取的框架,并利用提取的特征对癌症转移样本进行分类。该方法的原理是对于一个特定的基因共表达网络,增加一个“同类别”的样本不应显著改变网络的共表达水平;相反,加入一个其他类别的样本则会对原网络产生较大扰动,从而改变网络的结构。作为比较,我们将CMPredict和其他分类方法进行了对比,对于癌症转移分类任务,CM-Predict在BLCA、ESCA和LIHC数据集中的性能明显优于其余对比方法,在BLCA、ESCA和LIHC数据集中的预测准确率分别可以达到0.986、0.964和0.933,具有较高的准确性,而且模型具有较高的召回率和F1-score。在三个数据集上的结果表明,该方法取得了最好的效果,这使得CM-Predict成为预测肿瘤转移的一个有效方法。其次,我们在CM-Predict获得特征基因对的基础上,提出了一种统计评价方法,用以对模型所筛选的特征基因对进行富集分析,得到具有统计学和生物学意义的路径。富集分析的目标集为CM-Predict所得到的特征基因对,在enrich GO富集分析的基础上,统计特征基因对和enrich GO所富集的通路信息,利用超几何分布加fisher检验的方法获取具有统计学意义的生物路径。该方法可以有效地对三种癌症中每个转移器官的特征基因对进行通路富集分析,结果表明该方法可以捕捉癌症原发癌向不同器官转移的关键生物过程,为阐述癌症的转移机制提供了新的手段。