复杂性疾病是由多个基因及环境因素相互作用所致。随着微阵列芯片技术的发展及其越来越多的应用于动物复杂性疾病分子机制的研究,尤其是以人、小鼠、大鼠等为模式动物在动物癌症方面的研究,已经产生了很多高度复杂的数据集。如何从这些海量的数据最终寻找到对我们有用的真实可靠的信息,从而发现复杂疾病发病与诊疗过程的分子遗传学规律,则是摆在我们面前的重大问题。元分析,作为一种整合多个独立但有关的研究结果的统计学方法,是一种相对廉价的选择,并可以增加分析结果的可靠性和全面性。因此,本文基于已有的针对某种复杂疾病(子宫内膜异位症)的基因表达谱芯片数据集,利用元分析的方法得到了比较全面可靠的与该复杂性疾病遗传规律相关的生物学信息。论文利用在GEO数据库中寻找到的与子宫内膜异位症相关的两套芯片数据,运用非参数的基于不同数据源的有序基因列表秩积算法及R程序包,对不同来源的数据进行元分析。我们将其与单个芯片t检验分析结果进行比较,得出结论:秩积法元分析的结果更加具有敏感性和特异性,并发现与子宫内膜异位症存在显著性相关的两个基因THBS1和THBS2,及其参与的细胞外基质受体互作通路。为了进一步研究THBS1和THBS2这两个结构相似,相互作用,且在一定程度存在功能冗余的基因如何参与对卵巢癌的调控作用,我们通过网络工具OncomineTM进行共表达调控因子频率的元分析。最终筛选出一些与它们共表达的基因或蛋白,并利用DAVID等工具对这些因子进行功能注释和通路分析,发现与卵巢癌显著相关的一些通路,以及寻找到与细胞外基质受体互作通路相关的一些新的通路成员。该方法解决了仅限于两个芯片元分析的局限性,并能在更大范围的芯片数据中针对特定的基因集进行元分析,以达到更加全面和精确的结果。