胶质瘤占所有恶性脑肿瘤的80%,严重危害人类健康。目前对于胶质瘤的发病机制等认识不足,导致对其诊断治疗效果欠佳。人类基因组计划的开展产生了大量的潜藏丰富生物信息的数据,如何从中挖掘出胶质瘤相关重要基因亟待解决。本文则主要基于基因表达数据和网络模型,采用数据分析、网络拓扑信息挖掘以及网络动态分析三种筛选预测方法,来实现胶质瘤相关重要基因的识别,为胶质瘤发病机制等的进一步研究提供帮助。本文的具体工作说明如下:1)基于胶质瘤患者的基因表达数据,应用BMR-ReliefF结合SVM-RFE算法进行特征基因筛选,通过5折交叉验证找到了25个有效特征基因（AUC>0.85）。GO分析和PubMed文献查阅发现其主要富集的9个GO term和基因CDK6、NDRG1、MDK都与胶质瘤相关,说明该方法在胶质瘤基因筛选识别应用中的有效性。另外KEGG通路分析提示神经活性配体-受体相互作用信号通路及其相关的6个基因可能与胶质瘤存在重要关系,为进一步实验探究胶质瘤的发病机制提供了理论基础。2)基于疾病-基因异质网络,应用DeepWalk深度挖掘网络拓扑信息,提出DBSI（基于疾病相似的预测）和GBSI（基于基因相似的预测）,经过适应性改进的5折交叉验证,发现DBSI预测效果优于GBSI(AUC_DBSI=0.87,AUC_GBSI=0.81),因此使用DBSI找到30个与胶质瘤相关的基因。生物功能富集分析提示基因IL1A、HLA-DQA等富集于细胞因子-细胞因子受体相互作用、TNF信号通路中,为探索其可能作为胶质瘤药物治疗潜在靶点提供参考。另外,发现主要富集的12个生物学过程和8个KEGG通路与胶质瘤密切相关,证明该方法预测识别胶质瘤相关基因有效。3)基于大脑基因调控网络模型,利用复杂网络可控性动态分析网络,依据节点删除后网络最小驱动节点数目变化进行基因分类（重要基因critical、非重要基因ordinary）,找到重要基因集合。从网络拓扑性质、功能基因数据库富集、网络鲁棒性三方面分析验证结果,证明了该方法的强鲁棒性以及重要基因确实与胶质瘤相关。