单药治疗疾病存在治疗效果差,长期服用产生耐药性和副作用等缺点,故药物组合被研究用于克服单药治疗的缺点。早期的药物组合通过医学实验技术或者临床实践获取,耗时耗力效率低,计算机技术的发展和生物信息的积累促使了计算机辅助药物研究的发展。现有研究中对药物组合的研究缺乏对关键基因的考虑且存在组合爆炸的问题,且现有疾病样本数据尤其是罕见疾病的数据不完善,面向小样本数据的疾病关键基因挖掘方法也是必要的。故本文首先基于多层基因相互作用网络预测疾病关键基因,其次基于疾病关键基因研究预测药物组合的多目标优化算法。本文的主要研究如下:（1）提出基于多层基因相互作用网络识别疾病关键基因的方法。方法中综合考虑基因在单个疾病个体中相对于其他基因的重要性和该基因在其他疾病个体中的重要性。首先基于个体特异性网络构建方法构建多层基因相互作用网络,其次设计多层基因网络上的随机游走算法得基因节点中心性,得到一组排名靠前的关键基因集。本文提出的构建多层网络的方法可有效的解决某些疾病样本偏少的问题。在多个疾病数据集上进行实验得到关键基因集。以哮喘为例,实验验证了多层网络上识别关键基因作为靶标基因的有效性,对比不同算法证明该方法得到的关键基因集在哮喘上有显著的优先级,并且对其找到的新的潜在关键基因TP53、PUS10、MAP3K1等进行生物意义分析。（2）提出基于疾病关键基因的多目标药物组合挖掘算法。该方法主要思想是考虑药物组合治疗疾病疗效高和副作用小的两个目标,设计稀疏多目标优化算法。首先设计两个目标函数,分别为药物靶向疾病关键基因的比例和药物靶向非疾病基因的比例,其次基于两种药物的组合设计新的初始化策略,再根据父代两个个体的不同情况设计不同的交叉算子,迭代进行交叉变异操作后得到药物组合最优解集。基于第三章得到的疾病靶标关键基因集以及数据库获取的疾病靶标基因集,实验得到疾病候选药物组合,查询相关文献验证结果中的药物组合具有治疗疾病的潜力。综上,本文提出了基于多层基因相互作用网络识别疾病关键基因的方法和基于疾病关键基因的多目标药物组合挖掘算法,为疾病治疗选择候选药物组合提供了新的思路和方法。