随着人类社会的迅猛发展,来自科技、生物、金融、社会等领域的复杂系统如雨后春笋般涌现出来。为了满足对复杂系统施加控制的需求,在复杂网络可控性方面,大量以网络中节点为研究对象的工作已经取得了丰硕成果,但目前鲜有以路径为研究对象的相关工作。而且,现有的网络可控性相关工作主要集中于对单个网络可控性的研究,而真实世界中大多数系统都不是独立的,而是彼此依赖和联系,从而形成一种多层结构。另一方面,随着人们对人体健康的关注,癌症研究领域中的癌症通路识别问题也逐渐成为热门。但是,目前大多数癌症通路识别方法无法同时系统性地对多个癌症进行分析,因而不能发现普遍存在于多个癌症中的失调通路。针对现有研究工作中的相关问题,本文基于多层网络模型和复杂网络可控性提出了一致控制路径图模式,该图模式可以反映普遍存在于各网络层的控制信号流,为同时对多个系统施加控制提供细致的指导。本文采用随机抽样思想设计了一致控制路径挖掘算法,以有效挖掘出多层网络中的一致控制路径。并将该算法在人工合成数据上进行了实验,以探究多层网络层数、网络密度等拓扑特征对一致控制路径的影响,以及一致控制路径在随机扰动下的表现。借助TCGA数据库中的多组学数据,本文将一致控制路径挖掘算法应用在了癌症关键通路识别中。相比于已有的大多数方法识别出的癌症通路,本文中识别的癌症关键通路可以反映不同癌症环境下致病信号在生物系统中普遍的传播方式。通过在人工合成数据和真实数据上的大量验证和分析,本文设计的一致控制路径挖掘算法可以有效识别出多层网络中的一致控制路径,为多层网络可控性的相关研究提供新的工具和平台。同时结果表明,一致控制路径基本只与多层网络层数及各网络层之间边的一致程度有关,且将边反向扰动比随机删边扰动对一致控制路径的影响更大。在癌症关键通路识别的应用中,被识别出的癌症关键通路不仅具有显著的生物意义,有助于揭示不同癌症发生发展的公共和特异机制,而且在癌症药物重定位中也具有一定指导作用。因此,一致控制路径挖掘算法也为从通路角度对不同癌症进行系统性分析提供了平台。