大多进展期恶性肿瘤五年存活率较低。若能尽早识别、诊断并进行干预,可极大地提高患者的生存率。在癌症的进展过程中,通常会存在一个恶化前的临界状态。这个阶段很难被发现,但该阶段分割了癌症的平稳期和进展期。该时期提供了一个临床治疗的时间窗口,为药物研究提供重要线索。然而,如何从混杂的癌症临床数据中识别这个重要阶段仍然是一个挑战。在本研究中,我们成功地建立了一种基于单样本节点熵的算法模型,并进行了对公开的TCGA癌症RNA测序数据的挖掘。综合整个过程,研究结果如下:(1)本研究利用基因间相互作用网络构成的信号传递网络,在已有的动态网络生物标志物计算框架的基础上,基于信息学中的熵的概念建立了一种新型的单样本模型。该模型预期能够基于单个癌症样本的时间序列数据找到恶化前的关键时期,挖掘推动疾病越过该临界时期的生物学机制;(2)本研究通过在模拟数据数据集中验证了模型的可用性。同时,在4个癌症队列数据中我们确认了癌症发展的临界时期以及临界时期对病人生存率的关联;(3)本研究还与差异分析的结果进行了对比分析,发现利用节点熵挖掘的核心基因大多在重要的癌症相关信号通路中占据上游,而同通路中的差异基因则存在于下游。(4)本研究还发现,多个癌症类型特异性的核心基因网络变化推动了不同的癌症的进展。这些节点熵核心基因有可能成为针对不同癌症的潜在的药物靶点。更重要的是,我们发现跨癌症类型的非特异性通路与DNA修复密切相关。在这些通路中,高节点熵基因与其相互作用基因网络的表达模式切换是癌症进展的主要驱动力。(5)最后,本研究还将节点熵作为特征鉴定了一些新的预后生物标志物,例如PER2、TNFSF4、MMP13、ENO4等,并探索了部分基因影响预后的潜在机制。总而言之,本研究成功地建立了一个动态的单样本节点熵模型,并通过该模型找到了癌症恶化的临界点和可能的促进癌症恶化的通路机制。这些发现也许能为临床医学干预策略和药物研发提供关键的时间节点参考和新的靶基因。