随着高通量生物实验技术的快速发展与生物信息学技术的广泛应用,越来越多的互作组学数据开始出现,为构建生物网络从系统角度认识生物体复杂功能提供了机遇。近年来,通过对生物网络的分析,较好阐释了部分生命现象,揭示了一些疾病的发病机理,对致病基因检测、分子诊断、蛋白复合物挖掘等策略的设计有重要的指导意义。作为生物信息学的一项重要任务,致病基因检测旨在基于复杂网络、机器学习等理论,利用已知的基因与疾病关联及组学数据预测潜在的致病基因,从而便于生物医学专家进行实验验证。致病基因检测通常寻找与已知致病基因功能最相似的候选基因,而在生物网络中大分子间的拓扑相关性可反映其功能相似性。因而,经典假设“致病基因的邻居很可能会导致相同或类似的疾病”备受推崇,被广泛应用于基于生物网络的致病基因检测研究。然而,这导致了大部分致病基因检测方法仅能在已知致病蛋白的近邻范围内搜索,并且很可能会将介数大的枢纽蛋白错误识别为潜在致病蛋白。新机理的发现,或多种组学数据的有效融合,有望突破上述瓶颈。为此,本文考虑生物网络中大分子间的类别差异,提出了多因素网络模体(考虑节点类别的模体)的概念,通过分析蛋白质相互作用网络(简称为蛋白互作网络),尝试发现新机理,明确不同类别大分子间的拓扑关联。进而,基于新机理设计新型致病基因检测策略,尽可能扩大检测范围,提高准确率。本研究的新发现有助于深入理解蛋白互作网络,并可为致病基因检测提供新视野与新思路。论文的主要研究工作如下：(1)蛋白互作网络建模及多因素网络模体。采用多子网复合复杂网络模型描述蛋白互作网络,为后续章节的分析奠定基础；提出多因素网络模体的概念,用以研究不同类别大分子间的拓扑关联。(2)蛋白互作网络模型的性质分析。本文研究始于对蛋白互作网络研究领域热点问题“致病基因编码蛋白(简称为致病蛋白)的拓扑地位是否较高”的探讨。针对已有研究的不足,选用持家基因作为必需基因,以必需基因编码蛋白(简称为必需蛋白)为参考,利用度中心性、k核分解、平均路径、1Nx和2Nx等指标对比分析了蛋白互作网络中致病蛋白与其他基因编码蛋白(简称为其他蛋白)的拓扑差异。实证分析表明,与其他蛋白相比,致病蛋白的拓扑地位较高,且距网络中心较近。进而,采用基因分类策略,抽取新拓扑性质作为分类器特征,有效提升了致病基因的检测效果。(3)致病基因与必需基因关联关系分析。一些研究指出,如果致病蛋白的拓扑地位较高,在致病基因突变时很可能会对生命系统造成巨大损害。为了探讨致病蛋白拓扑地位较高的合理性,定义了一种多因素网络模体rxn,对比分析了致病蛋白和其他蛋白邻居中必需蛋白的比例。实证分析表明,与其他蛋白相比,致病蛋白邻居中必需蛋白的比例明显偏低,这说明致病蛋白与必需蛋白的拓扑关联较少。并且,采用基因表达微阵列数据分析了致病基因与必需基因的功能关联。实验结果表明,与其他基因相比,致病基因与必需基因的共表达更弱。此外,还发现距致病蛋白较远的区域也存在一定比例的致病蛋白。进而,采用基因分类策略,抽取新拓扑性质作为分类器特征,有效提升了致病基因的检测效果。(4)基于蛋白互作网络模型的致病基因检测。基于致病蛋白与必需蛋白拓扑关联较少的新发现,设计了新型全局距离度量,以搜索与已知致病蛋白存在密集交互、但与必需蛋白关联较少的潜在致病基因。给定一种疾病及已知致病蛋白,为致病蛋白分配正流量,为必需蛋白分配负流量,采用网络传播策略分配流量,以搜索排序靠前的蛋白作为潜在致病蛋白。在110种遗传疾病上验证了方法的有效性和潜力,该方法在单基因病与复杂疾病上的表现尤为突出。