人类复杂疾病,如癌症、高血压、心脏病、糖尿病等,一直是广大科研人员所关注的热点和难点。此前的研究已经表明,癌症等复杂疾病都是由于遗传与环境因素共同作用而产生的。这种多因素的复杂关系,给这些疾病的诊断和治疗造成了很大的困难。随着生物学、物理学和计算机科学的发展,以及生物实验技术的进步,特别是微阵列芯片技术的广泛应用,产生了大量高通量生物数据,以及各种类型的“组学”数据,为更加深入的研究和认识复杂疾病的发生和发展机制提供了机遇。与主要针对单个基因或蛋白质的传统生物学研究不同,采用系统生物学的研究方法,可以整合不同层次的数据,通过分析各种生物分子之间的相互作用的动态变化,帮助我们发现和认识复杂疾病的特殊规律。本文主要从基因表达数据出发,整合生物学通路以及多种不同类型的生物学信息及相关研究成果,对复杂疾病进行了分析研究。通过对癌症和正常组织两种不同表型的分析,运用特征选择、聚类分析、网络分析等多种技术手段,对癌症的生物标志物进行了深入研究。主要研究工作包括：(1)提出了一种基于生物学通路的生物标志物预测方法,首先,整合基因表达数据、生物学通路信息和蛋白质相互作用信息,构建生物学通路相互作用网络；然后,以基因表达数据为基础,利用支持向量机和特征选择,挑选与癌症相关的生物学通路；最后,从生物学通路网络出发,以分类能力为评价指标,从网络中找出失调的生物学通路模块,找到的网络模块可以有效的区分正常与癌症组织。此外,还通过与其它方法进行比较,并在其它独立数据集上进行验证,结果都表明,我们的方法具有很好的鲁棒性,并且对找出的癌症标志物进行生物学分析,发现从生物学通路角度具有更加清晰的生物学意义。(2)提出了一种识别与复杂疾病相关的microRNA(miRNA)的计算方法。由于(?)niRNA是一种相对较短的RNA分子,容易受到实验条件和环境的影响。因此,我们先根据基因表达数据,对miRNA靶基因进行聚类,通过聚类分析能有效减少靶基因中包含的噪音,再运用支持向量机对靶基因集合进行测试,保留具有一定区分能力的基因集。另一方面,我们对生物学通路进行了筛选,再将靶基因聚类集合与生物学通路通过富集分析进行关联,识别出与癌症相关的(?)niRNA标志物。我们将得到的结果与已有的数据库进行比对,证明这种方法提高了癌症miRNA标志物的识别准确性。我们还对找到的(?)miRNA标志物,进行排序,构建了癌症、miRNA与生物学通路的相互作用网络,通过网络分析,能够帮助我们更清晰的了解miRNA的标靶和它在多种癌症中的生物学作用。本文以系统生物学的方法,结合多种“组学”数据,运用机器学习,网络分析等多种技术对复杂疾病,特别是癌症进行了研究分析,取得了较好的结果,相关的研究内容和成果,可以加深我们对癌症这种复杂疾病的认识,促进对癌症标志物的深入研究,有助于癌症的诊断和治疗药物的开发。