在人以及其他哺乳动物的细胞核中,染色体并不是以线性方式排列,而是通过折叠缠绕形成了多层次的三维空间结构。染色体的空间结构与细胞内大多数的生物过程包括基因调控、DNA复制以及染色体异位等密切相关,例如线性距离上离得比较远的基因启动子区域和调控元件可以在三维空间产生物理相互作用,进而影响基因的表达调控。因此,染色质构象捕获技术与高通量测序技术相结合(Hi-C),可以直接获得全基因组范围染色质相互作用图谱,揭示出A/B区室、拓扑关联结构域、染色质环等不同尺度的结构特征。但是由于Hi-C实验的限制,数据分辨率都比较低,如何提高分辨率,重构三维基因组的精细结构是一个巨大的挑战。本论文从数据集成的视角,发展提高结构建模准确性的最优化方法。通过对多个分辨率、多个样本、多个层次的生物组学数据集成建模,结合低秩矩阵分解去噪,提升Hi-C数据的分辨率,重构三维基因组结构。并应用新方法到人类高原适应的调控机制研究中,揭示与适应相关的三维基因组结构变化。论文取得的主要结果如下:(1)提出了一个多样本多分辨率数据集成的最优化模型。充分挖掘在测序实验设计常用的多个生物学重复样本的Hi-C数据,以及每一个样本的的多个分辨率的染色质交互数据,通过低秩矩阵分解优化框架,综合不同层面信息。在多个Hi-C数据上实验表明,集成多个生物学重复的不同分辨率的交互矩阵,可提升三维基因组结构识别的分辨率。(2)提出了整合多组学数据的三维基因组结构重构的最优化模型。以Hi-C数据为基础,整合了ATAC-seq数据,RNA-seq数据,通过染色质相互作用区域的可及性状态、以及邻近基因的表达水平,提升三维基因组结构识别的分辨率。在公共数据集上进行测试,发现数据整合优化模型对Hi-C数据分辨率的提升具有很好的效果。(3)应用多组学数据集成的最优化模型到高原适应的三维基因组结构研究中,研究高原适应性的机理。通过对高原适应性的Hi-C数据的获取,处理,分析,以及用多组学数据集成优化模型提升数据的分辨率,比较了藏族人和汉族人在染色质结构多个层次的差异,从三维基因组的角度获得了藏族人高原适应性的一些新的认识。