复杂系统临界信号的探测一直是研究的热点,近来有许多学者,将临界信号运用到复杂疾病系统中。在生物疾病数据的采集中经常存在噪声,会使得数据挖掘不准确,此时一些用于挖掘临界点信号的传统方法失效。本文中采取基于个体特定网络概率分布嵌入的方法分别研究三节点仿真生物系统、肝癌时序列数据和脑肿瘤时序列数据,均检测出突变的临界信号。这一工作的理论基础在于通过概率分布嵌入变换将原系统的样本状态的大噪声数据变成样本概率分布的小噪声数据,再建立个体特定网络。发现可以很好的降低数据受到的噪声干扰,并解决了样本数据少的问题。然后基于动态网络生物标志物来检测临界突变的信号,发现是有效的。论文基于个体特定网络概率分布嵌入的方法,主要做了以下两方面的工作:(1)首先叙述了临界点的概念,通过CSD预测确定性系统临界信号,介绍了利用动态网络生物标志物检测疾病系统临界信号。基于矩方程的概念,进一步说明概率分布嵌入法和个体特定网络法,结合概率分布嵌入法和个体特定网络法,提出了个体特定网络概率分布嵌入动态网络生物标志物综合指标。(2)将上面的方法运用到三节点生物仿真系统、肝癌数据和脑肿瘤数据,利用MATLAB软件模拟随时间变化趋势折线图,均成功检测出了临界信号。另外根据肝癌和脑肿瘤动态网络标志物利用STRING得到蛋白质交互网络,用Cytoscape画出全基因圆盘图和标志物的翻转图,发现与实验结果一致。最后把得到肝癌和脑肿瘤的动态网络生物标志物进行KEGG富集分析和生存分析,找到一些信号通路以及发现其中有许多基因与癌症的诱发和恶化有密切关系。