在后基因组时代,随着人类基因组计划的基本完成以及高通量测序技术的涌现,根据基因表达数据推测生物网络、进而从分子水平阐述细胞的组织功能以及疾病的遗传学机制,成为生物信息学的重要研究任务之一。对于人类复杂疾病尤其是癌症,其发展过程往往呈现出阶段性特点,各阶段之间基因调控网络的连接方式发生了持续的动态变化。为了揭示癌症发展的奥秘,有必要对癌症各阶段间的多个时序性差异网络进行联合估计。虽然已有多种方法从基因表达数据出发估计差异网络,但大多数方法都是针对单个差异网络而设计的,忽略了不同差异网络之间的相似性。由于网络连接方式的改变可能是由个别基因的扰动所驱动的,因此这些差异网络之间可能存在共有的关键节点。本文研究工作的主要贡献在于:提出了一种基于高斯图模型的新方法来联合估计多个时序差异网络,以识别癌症发展过程中的网络扰动模式。具体地,我们利用选择合适的损失函数来直接估计差异网络,并设计了一种树结构的群组稀疏惩罚项,用于识别不同差异网络共有的公共关键节点和各差异网络特有的关键节点。模拟实验结果表明,该方法在大多数情况下都优于其他常用模型。我们还将本文模型应用于真实的乳腺癌基因表达数据,以探索不同乳腺癌阶段间基因网络的变化。本文模型所估计差异网络中的重要节点,与已知的乳腺癌发生发展相关基因吻合。