白血病是一种常见造血干细胞恶性肿瘤疾病,具有复发率高、机制复杂的特点,并且会带来多种并发症。通过药物的靶向治疗可以控制疾病的发展,且对正常细胞影响很小,但是该方法需要针对已经明确的致癌位点进行治疗。由于目前还未清楚白血病的发病机理,许多潜在的与疾病相关的关键基因尚待探究。仅仅使用传统的生物学实验来识别关键基因的效率很低,而利用生物信息数据,结合计算机科学、复杂网络科学及数据挖掘等技术则避免了这一缺点。为了寻找白血病潜在的治疗靶点,本文主要从白血病的基因调控网络、基因共表达网络及网络可控性对其分析,筛选出与白血病相关的关键基因,具体的工作内容概括如下:1)首先为了构建一个更精准的基因调控网络,本文提出了基于deepwalk的基因网络重构算法,可以引入新的有效的生物信息数据,并且可以避免使用高维稀疏特征。通过在真实数据集上与目前的重构模型做对比实验,验证方法的可行性与有效性。本文依据以上算法构建了白血病基因调控网络,并基于该网络的拓扑结构寻找到10个关键基因。2)加权基因共表达网络分析(WGCNA)是另外一种寻找关键基因的重要方法,该方法在疾病与性状或基因的关联分析中被广泛使用,其假设基因网络服从无标度分布,这样构建的网络更具有生物意义。实验结果表明WGCNA方法可以发现有生物意义的模块,最终我们筛选了3个模块中的223个高连接度基因,并且部分基因与文献报导相吻合,说明了这些基因与白血病的发病机制有重要关系。3)网络的结构可控性分析是一种动态分析方法,基于图的最大流匹配算法可以找到白血病基因网络的最小驱动节点集,通过删除节点后网络最小驱动节点集大小的变化将节点分为neutral节点和dispensable节点。之后通过两类节点在重要生物数据集上的富集性分析及两类节点的鲁棒性分析,我们发现neutral节点对网络的影响较大,因此neutral节点更有潜在的研究价值。