随着高通量测序技术的快速发展,具有组织位置信息的基因表达数据可以被测量。这对于剖析多细胞生物中细胞的功能和表型至关重要,彻底改变了组织功能和疾病病理学的研究,也使得空间转录组学的相关研究成为当今生命科学和医学研究的国际前沿。但是其潜力受到当前数据分析策略的限制,目前的大多数研究都是研究单个基因的空间表达模式的识别,而忽略了多个基因之间的影响,但是基因与基因之间相互影响的高阶相互作用已被证明对理解基因组学数据很有帮助,因此研究多个基因之间相互影响的空间转录组高阶表达模式是科学诠释生物组织内表达模式的关键问题,也是生命科学研究空间异质性对计算科学提出的重大挑战。为了解决上述生命科学研究工作中的问题,本文给出了空间转录组高阶表达模式的定义,并基于识别空间特异性表达基因的模型开发了一种用于识别和表征空间特异性调控边或调控模体这种高阶表达模式的计算方法。该算法可以识别和表征空间特异性的调控边或调控模体。本文对具有空间位置信息的调控边和调控模体的活性进行了几何标准分数、随机游走、单样本等多种方法的量化,进而基于识别空间特异性表达基因的模型构建了识别空间转录组高阶表达模式的算法框架,并对该算法进行了统计显著性验证。借助京都基因与基因组百科全书数据库的调控关系数据,和已有乳腺癌样本的空间转录组数据等数据,本文应用该算法对乳腺癌等样本中的空间转录组的空间特异性高阶表达模式进行了识别和分析。通过在空间转录组数据上的大量验证和分析,本文设计的空间转录组高阶模式的识别算法可以有效识别出空间转录组数据的空间特异性高阶表达模式,为空间转录组的相关研究提供新的平台和工具。同时本文将识别出的空间转录组高阶表达模式作为新的空间特征进行了实验分析和应用,结果表明,本文算法识别出的空间转录组的高阶表达模式在拓扑分析中具有一定的显著性,在富集分析中具有显著的生物意义,将其应用于自动表达组织学之后,在一定程度上也能够反映原生物组织的内部结构。因此,空间转录组高阶模式的识别与应用算法为研究组织的空间异质性提供了新的角度,也为从高阶模式角度对癌症进行系统性分析提供了平台。