本项目在癌症相关甲基化差异位点识别、LncRNA与疾病关联关系、LncRNA识别与功能预测、microRNA识别、基于网络模型的致病基因及驱动通路识别、生物网络拓扑特征分析及模式挖掘、复杂多分类问题以及组合优化问题求解等方面进行了深入研究。提出了致病基因搜索的多种算法，如嵌入启发性信息的蚁群优化检测算法，基于交互信息的上位性交互作用的检测方法，识别癌症中的拷贝数变异方法，癌症基因组中重要变异的全基因组识别方法等，鉴于DNA变异数量的巨大规模提出了用于SNP关联学习的SNPs过滤遗传算法，解决了在全基因组范围高效搜索和发现复杂疾病的致病因素以及联合致病的致病基因的问题。提出了基于双色网络模型的全局LncRNA功能预测算法，成功预测了小鼠1625条lncRNA功能，基于编码非编码基因与疾病的二部网络，利用信息传播算法预测潜在的lncRNA与疾病的关系，预测到了768条潜在的lncRNA与疾病的关系，提出了基于改进k-mer策略LncRNA和mRNA的预测算法和工具。针对有向网络，基于能控子空间和能观子空间，在保持网络整体控制的输入代价最小的前提下，分别给出了节点的控制范围中心性以及支配能力中心性度量指标。从节点在控制、支配有向网络的能力出发，定义控制范围相似性以及支配能力相似性度量指标，分析有向网络节点在动态控制功能行使时行为的相似程度。基于复杂网络的全局连通性以及可控性的研究，提出了一个控制鲁棒性结构度量指标。定义了一种新颖的cograph社团，并设计了高效的检测算法EPCA。