在许多复杂的疾病中,从健康状态到疾病状态的转变不是突然发生的,而是一个动态变化的过程。急性肺损伤是常见的临床健康问题,它以高发病率和高死亡率威胁着患者的生命,因此识别疾病恶化的关键点和生物标志物对于有效的治疗至关重要。通常疾病的分子生物标志物是依据分子表达水平的差异获得,以用于区分疾病的正常状态和疾病状态。由于动态网络生物标志物方法可以检测复杂疾病分子特征中的动态突变,从而可监测和评估疾病的不同阶段。本研究通过构造早期预警信号,探索疾病恶化的临界状态及动态网络生物标志物,以识别疾病变化过程的关键生物标志物。主要内容如下:在第二章中,为了识别急性肺损伤恶化的临界状态和差异表达基因中影响疾病发生和发展的关键基因,提出了一种基于K-means聚类算法的单样本动态网络生物标志物发现方法。首先,通过正常样本和新增病例样本之间Pearson相关系数的差异构建单个样本特异性网络。然后,使用K-means聚类算法将网络分解为多个模块,根据动态网络生物标志物方法构建早期预警信号,并计算每个模块的得分。最后,根据每个时刻模块的最大得分确定疾病的临界状态和生物标志物。实验发现临界状态在8 h,基因功能分析表明,所获得的生物标志物与细胞衰老、凋亡、炎症反应等相关。通过MCC算法选取最大团中心性排名前10的关键基因进行分析,发现它们在疾病进程中起着正调控的作用,并与细胞增殖、应激反应、癌症进展和肺纤维化等相关,进一步验证了该方法的有效性。在第三章中,考虑到动态网络生物标志物可能是或不是差异表达基因,基于病例样本和正常样本的差异表达信息选取前500个高偏差基因进行分析。首先,给定初始解,通过邻域解产生方法得到若干个候选解。然后,根据动态网络生物标志物方法构建早期预警信号,计算初始解和候选解得分,并通过禁忌搜索算法更新当前解,直到迭代结束。最后,通过算法的最优解确定急性肺损伤的临界状态和生物标志物。实验发现临界状态在8 h,和第二章结果一致。进一步,对临界点前后生物标志物的基因功能分析、PPI网络分析和结果验证表明,出现炎症反应、免疫反应和免疫失调,或许意味着疾病状态即将发生改变。