高血压是世界上最常见的疾病之一,也是导致心血管疾病死亡的首要因素,严重威胁到人类的身体健康。高致残率、高发病率、高死亡率和低知晓率、低控制率、低治疗率及低龄化趋势的特性使高血压成为研究者关注的重点。基因芯片数据常被应用于筛选药物靶点、医学诊断、揭示疾病发生机制、基因功能等研究,通过基因芯片数据来探究疾病的机理是当前生命科学界研究的重点。因此,基于基因芯片数据挖掘与高血压相关的关键因子,对高血压的早期预防与精准治疗具有重要的价值和科学意义。随着基因芯片技术的不断发展及测序成本的降低,产生了海量的生物数据,这给生物数据挖掘研究带来机遇的同时也带来了巨大挑战。目前,高血压关键因子研究领域存在的主要问题是:高血压病因复杂,诱发高血压发生的机理还不清楚;影响高血压发生的关键因子还未完全明确。因此,需要更多的研究方法来筛选影响高血压发生的关键因子。本文在以下几个方面进行了创新:(1)基于对照组与患病组样本的高血压基因表达谱数据,将加权基因共表达网络(WGCNA)分析方法与高血压疾病相结合,构建了高血压基因共表达网络,并提出了分层融合筛选关键基因的新方法,确定了高血压基因共表达网络中的十九个枢纽节点。这些枢纽节点对应于在高血压中起重要作用的关键(枢纽)基因(RPL21、RPS28、FURIN等),并得到了一定的生物/医学研究证实;(2)构建了单核苷酸多态性(SNPs)关联分析的筛选规则,有效地筛选出了与高血压显著相关的新SNPs位点,并将结果进行了可视化展示,更直观的表明了关键位点信息。+本文以基因表达数据库(GEO)中的GSE75360数据集为例,发现了与高血压呈负相关的两个关键基因模块(lightcyan模块和greenyellow模块),并在这两个关键模块中分别筛选出九个与核糖体蛋白相关的可能调控高血压的关键基因和十个与各种酶相关的可能调控高血压的关键基因,这十九个关键基因中有四个基因已有报道与血压相关。以实验室测序得到的部分数据为例,筛选出了五个可能影响高血压发生的关键SNPs位点,其中三个位点所位于的基因已有研究证明与高血压发生相关。表明本文的方法可以挖掘出具有生物学意义的高血压关键因子,对高血压的预防与治疗具有重要意义。