肿瘤是一种复杂的异质性疾病。肿瘤的异质性不仅体现在同一类型肿瘤不同患者之间病理特征间的差异（肿瘤间异质性）,还体现在同一肿瘤组织内不同区域之间的差异（肿瘤内异质性）。解析肿瘤异质性对癌症的诊断、治疗及预后有非常重要的意义。肿瘤异质性不仅是由基因突变或基因差异表达引起的,还与基因之间交互作用关系的变化有关。研究基因之间交互作用在不同肿瘤状态之间的变化模式有助于解析肿瘤的异质性和揭示癌症的发生机制。鉴于高斯图模型能刻画基因间的直接关系,我们研究了以下两方面内容:1.同一类型癌症样本可以被划分为多种不同的亚型,肿瘤样本组织是由非癌细胞和癌细胞混合组成。目前,基于bulk转录组测序技术获得的基因表达值是肿瘤组织中不同类型细胞的平均表达值。如果在推断基因网络时忽略肿瘤异质性,就无法刻画癌症亚型或细胞类型特异的基因交互作用。现有的大多数网络重构研究方法并没有同时考虑肿瘤间和肿瘤内的异质性。为了同时揭示肿瘤间和肿瘤内异质性,我们提出了一种基于高斯图模型的基因网络联合构建方法。对于一个观测的基因表达数据,我们使用潜变量模型将肿瘤样本分为癌细胞成份和非癌细胞成份,再使用不同的高斯图模型对不同亚型肿瘤成份分别建模并且使用同一高斯图模型对不同亚型非肿瘤成份建模,最后提出了一个期望极大化算法求解优化模型。模拟实验表明了该方法的有效性。我们将提出的方法应用于乳腺癌数据集重构非癌症和亚型特异的癌症基因网络,分析了基因网络在不同亚型间的异同和网络中的枢纽节点对乳腺癌发展和亚型分类相关生物学功能的影响。我们的方法为从网络水平剖析肿瘤异质性提供了方法与工具。2.差异网络分析是研究肿瘤间异质性的重要工具。由于基因网络重布线可能是由单个基因的差异表达驱动的,在推断差异网络时应考虑网络的层次条件,即如果两个基因之间的交互作用发生了变化,那么这两个基因中至少有一个基因是差异表达的。已有的差异网络分析方法在估计基因网络时并未考虑基因的差异表达,导致推断的差异网络没有层次结构。通过同时考虑基因相互作用变化和基因表达水平变化,我们提出一个具有层次结构的差异网络分析模型。首先,基于高斯图模型的性质,使用偏相关系数的差异定义差异网络,提出了一种新的检验统计量量化基因对之间偏相关系数的变化。然后,使用学生t检验统计量用于量化基因表达水平的变化。最后,使用一个优化框架将这两个检验统计量结合起来,并求解优化模型的闭解。模拟实验结果表明了我们的方法优于对比的方法。我们将该方法分别应用于乳腺癌和急性髓系细胞白血病的基因表达数据,发现估计的差异网络中的枢纽节点具有重要的生物学功能。本文提出的模型为识别与肿瘤间异质性相关的网络标志物提供了方法与技术基础。