生物网络中基于拓扑特性识别关键基因对于深入了解生物体的致病机制至关重要。针对不完整相互作用网络(如Human网络)中,通过网络中心性识别关键基因效率低的问题,本文从多层网络角度出发,结合随机游走算法模型,在构建的Yeast和Human两层网络上致力于度小关键基因的识别。论文的主要工作如下:(1)深入研究了多层网络理论,基于单层网络的扩展,多层网络可以用来建模多个相互关联的系统,有效集成不同的相互作用网络,能从多个方向全面系统地量化节点在系统中的作用。针对具体的生物交互网络之间同源基因对的存在,构建了一个多层生物网络,也可以称为生物网络集成,有效解决了实验中数据噪声、偏差、不一致和不同尺寸问题的干扰。(2)研究了单层网络上的关键基因识别方法,分析了不同关键节点识别方法的原理和优缺点。由于随机游走模型可以量化节点长期的影响力,在构建的多层生物网络上采用随机游走模型揭示了关键基因的拓扑特性,将随机游走后节点的停留概率作为多层网络的中心性指标来识别关键基因。该识别方法旨在识别与度大关键基因同源的度小关键基因。本文构建的多层网络有效集成了两个拓扑结构不同的生物交互网络,在此基础上采用了与随机游走模型结合的方法,在关键基因识别上取得了较好的实验效果。通过客观比较与验证,充分说明了本文方法的优越性,同时也是对图基础理论、算法、技术的扩展及应用。