胃腺癌（gastric adenocarcinoma,GA）是全球常见的恶性肿瘤,预后相对不良,严重威胁着人类的健康。GA的发生具有隐蔽性,早期难以发现,且发病机制较为复杂,至今还没有完全清楚。高特异性和敏感性的分子标志物对于GA的诊断、靶向治疗、新药研发以及预后分析等具有重要意义。相关研究发现,表达异常的生物分子通常大多与癌症的发生或发展有关。由于分子调控过程中各个分子所涉及的通路复杂性不同,各个分子对生理过程的稳定性和变异性影响不同,因此那些在上下游调控关系中处于关键地位的异常表达分子更具有作为生物标志物的潜力。本文的主要研究内容如下:（1）本研究提出了一种名为mRBioM的算法,可从胃腺癌（gastric adenocarcinoma,GA）的转录组谱中识别潜在的mRNA生物标志物（potential mRNA biomarkers,Pm Bs）。mRBioM首先提取差异表达（differentially expressed,DE）RNA（mRNA,micro RNA和lnc RNA）;然后,基于三种RNA分子之间的共表达调控关系,计算每个DE mRNA的表达信息量（the amount of information expressed,AIE）;接着,基于DE mRNA编码的蛋白与蛋白的相互作用（protein-protein interaction,PPI）网络,计算每个DE mRNA在蛋白水平上的相互作用信息量（the amount of interaction information,AII）;最后,通过组合每种DE mRNA的AIE和AII来计算每种DE mRNA对GA的发生和发展的贡献率,再根据DE mRNA贡献率的变化趋势来识别Pm Bs。mRBioM算法识别出了55个与GA发生和发展相关的Pm Bs（41个上调和14个下调）。其中,超过70%的Pm Bs被发现与多种癌症有关,13个Pm Bs已被证明是胃癌的生物标志物或潜在的治疗靶标,并且大多数Pm Bs主要富集在与胃癌发生发展密切相关的通路。（2）结合患者的临床信息,通过单因素和多因素COX回归分析,进一步筛选生存相关的Pm Bs并构建预后风险评估模型。COX回归分析的结果显示,从55个Pm Bs中筛选出的LMNB2,BGN,MFSD12和SOX4与GA的预后相关。由这4个Pm Bs构建的风险模型可以将269名GA患者正确分类为高风险组（n=134）和低风险组（n=135）,并且分组结果具有显着的统计学意义（***p＜0.001）。（3）为了说明已识别的Pm Bs的有效性,我们使用55个Pm Bs的表达值在不学习的情况下构建了识别GA相关样本的癌症相关因子（Cancer-related factor,CF）,其灵敏度,特异性和准确度分别达到0.90、1和0.90。此外,使用55个Pm Bs经标准化后的表达值作为特征来设计三个样本分类器:随机森林（random forest,RF）,支持向量机（support vector machine,SVM）以及朴素贝叶斯（naive bayes,NB）,用于识别与GA相关样本的平均准确度,灵敏度和特异性范围分别为0.94-0.98、0.94-0.97和0.97-1。（4）为了说明mRBioM算法的泛化能力,我们将mRBioM算法应用到结肠腺癌,肺腺癌和肝细胞癌的整个转录组谱中,以鉴定Pm Bs。以Pm Bs经标准化后的表达量作为特征构建的三个疾病样本识别模型均实现了GA等效分类性能。（5）为了进一步探讨GA发生发展相关的分子机制,挖掘有可能影响Pm Bs表达的ceRNA,我们分别从Pm Bs和差异表达的lnc RNA出发,利用公共数据库预测分别靶向结合这两种RNA的mi RNA,以公共的mi RNA为中介因子,构建可能作为竞争性RNA对存在的lnc RNA-mi RNA-mRNA ceRNA网络,并对网络的性质进行评价和分析。该ceRNA网络共包含8个mRNA、21个lnc RNA、17个mi RNA和63个lnc RNA-mi RNA-mRNA共表达关系对,具有典型的生物网络特征,并且有一定的稳健性。