大量研究表明,在很多生物过程中,长非编码RNA（lncRNA）有着重要的功能,它们调控生物的生理过程,影响着细胞内稳态的各个方面,而这些lncRNA的变异或功能失调有可能导致一些复杂疾病的发生。lncRNA由于其在多种生物学过程中的关键作用,正成为生物学和医学领域的研究热点,在多种肿瘤疾病中具有潜在作用,有望成为新生物标志物和药物靶标。利用计算生物信息学方法预测潜在的lncRNA-疾病关联,对于探索疾病的发病机制,以及疾病的诊断、预后和预防都具有重要的意义。全基因组关联研究（GWAS）对于研究复杂疾病和性状遗传方面有着突出贡献,该研究已经鉴定出数千个与疾病相关的单核苷酸多态性（SNP）,其中90%以上位于蛋白质编码基因的外显子之外,理解它们的功能意义仍是一个挑战。表达数量性状位点（eQTL）分析是沟通基因改变与疾病的桥梁,它把基因表达视作一种数量性状,研究遗传变异与基因表达的相关性,从而将这些SNP与基因表达联系起来。在以往的研究中,通过SNP信息结合网络挖掘疾病关联模块大多都是在研究编码基因,但是,SNP发生在非编码区域的情况也特别多,特别是在lncRNA上。因此,我们通过挖掘非编码区域的SNP信息来进一步分析lncRNA上的SNP信息对于疾病的影响。本文集成了TCGA（癌症基因组图谱）数据库的突变数据、表达数据以及临床数据,通过eQTL分析在SNP和基因表达之间建立连接,从而将研究对象从SNP水平迁移到基因水平。通过eQTL分析和差异表达分析筛选癌症和候选基因,再结合由GTEx表达数据构建的基因共表达网络,基于网络模型挖掘癌症关联的lncRNA模块,为癌症诊断和治疗提供参考和依据。本文通过GO功能注释和KEGG通路富集分析,探索挖掘出的癌症关联的lncRNA模块可能行使的生物学功能,并通过数据库和文献验证模块中lncRNA和癌症的相关性。将该方法应用于乳腺癌,结果表明,挖掘出的lncRNA模块中包含与乳腺癌高度关联的信息,证明了本文方法的有效性。在挖掘出的25个lncRNA中,有2个lncRNA与乳腺癌的关联已被生物实验所验证,分别为CCAT2,HOXC-AS3,其余lncRNA需要生物学相关人员进行生物实验进一步分析验证。通过对乳腺癌的实验结果进行分析,表明挖掘lncRNA中的SNP信息可以为复杂疾病的研究提供一种新的解决思路。采用计算方法研究lncRNA与癌症的关系可以缩小lncRNA的研究范围,降低生物实验人员的研究成本,这不仅可以帮助我们加深对复杂疾病在分子层面发病机制的理解,还可以利用lncRNA作为疾病诊断和预后的生物标志物以及癌症治疗的潜在靶标,对于癌症的诊断、预后和精准医疗具有非常重要的意义。