本文利用高通量时序列数据,分别基于多样本和单样本动态网络生物标志物两种方法挖掘前列腺癌样本和肝癌样本的临界点和早期预警信号,结果与实验吻合。对得到的动态网络生物标志物进行了富集分析、生存分析,发现标志物中大部分基因与癌症密切相关。最后用自助法和留一法交叉验证了动态网络生物标志物方法在确定复杂疾病恶性突变的临界点和预警信号方面的可靠性。第一章是绪论,主要介绍了在挖掘复杂疾病恶性突变的临界点和预警信号方面的几种算法、研究背景。第二章是预备知识,主要介绍了临界点概念、动力系统分岔和随机扰动系统的性质等。第三章具体地介绍基于多样本动态网络生物标志物和基于单样本动态网络生物标志物两种方法在确定复杂系统突变的临界点和预警信号的步骤。并将两种方法应用在前列腺癌样本和肝癌样本,描述了挖掘过程中的参数设置和结果,挖掘出了它们恶性突变的临界点和预警信号。并且用MATLAB2012Rb模拟出两种复杂疾病恶性突变的趋势走向折线图,另用Cytoscape模拟出前列腺癌样本恶性突变的主要过程。第四章首先将得到的动态网络生物标志物进行KEGG富集分析,发现这些动态网络生物标志物的确与某些癌症相关。然后对这些动态网络生物标志物进行了生存分析,发现两个疾病样本各有18个基因的表达异常显著。根据相关资料,我们知道由生存分析图得到表达异常显著的36个基因与癌症密切相关。最后用自助法和留一法交叉验证了动态网络生物标志物在确定复杂疾病恶性突变的临界点和预警信号方面的可靠性。