非综合征型先天性心脏病（non-syndromic congenital heart disease,NS-CHD）是出生缺陷中最常见的疾病。随着分子生物学技术的不断发展,已产生大量公开可用的关于先天性心脏病（CHD）遗传变异的医学数据,尽管遗传因素在CHD的发生中起了重要作用,但仅有约20-30%的患者可被明确为单一的遗传病因,较多研究已证实环境因素、亲代接触有毒有害因素、母体疾病以及遗传与环境的相互作用均参与了 CHD的发生发展过程。鉴于CHD表型及病因的错综复杂,有必要建立一综合的与NS-CHD相关的风险因素数据库,并应用系统生物学方法对遗传及其他风险因素信息进行综合分析,评估NS-CHD发病风险、诊疗预后,从分子层面研究疾病发生机制,对于在精准医学时代提供个性化的风险预测、疾病预防、诊疗指导等领域具有重要的应用价值。本论文首先综述了精准医学时代出生缺陷疾病的筛查现状,以及高通量测序技术等分子技术的生物信息学挑战,通过建立综合的NS-CHD风险因素数据库,为广大用户提供了广泛的交互式NS-CHD风险因素信息查询平台。随后,运用DAVID工具对孤立性、非孤立性NS-CHD靶基因进行基因本体论（Gene Ontology,GO）注释。研究发现在生物过程（Biological Process,BP）层面,对孤立性及非孤立性NS-CHD,最显著富集的GO条目均主要与心脏发育、心脏形态发生、心脏导管发育有关。通过GO和信号通路富集分析发现两类疾病均显著富集的有MAPK信号通路、调节多能干细胞信号通路、Rap1信号通路。同时以转录因子GATA-4为代表,应用三重保守计算方法对NS-CHD相关蛋白质的功能机制进行了分子水平的分析。氨基酸变异的第二重保守性分析结果显示118A和119A位点对、以及163P和164A位点对在GATA-4相关的NS-CHD疾病中高度保守。三重保守分析结果显示154F和163P两位点对的互变异在GATA-4变异引起的NS-CHD的发生过程中起了关键作用。基于NS-CHD风险因素数据库,分别对精细表型房间隔缺损（atrial sepectdefect,ASD）相关的两类风险因素进行关联分析。发现与ASD发病相关的风险因素主要有出生体重、年龄、性别及联合因素等;而与子代ASD发病相关的风险因素主要涉及母体疾病、不良环境暴露、母亲生理因素、社会心理因素、不良生活习惯、药物治疗等。与ASD相关的遗传风险因素中共涉及31个基因、1 1种变异类型。进一步对ASD相关靶基因进行生物信息学分析,显示在BP层面与ASD有关的靶基因显著富集的GO条目包括间质发育、心脏隔膜以及心审形态的发生与发展等;KEGG代谢通路富集结果提示cGMP-PKG信号通路、AGE-RAGE糖尿病并发症信号通路参与了ASD的形成过程。最后,我们筛选与ASD发病相关的风险因素数据,利用机器学习中的支持向量机和逻辑回归两种方法建立了 ASD的发病风险预测模型,结果显示两种方法的整体精度均较高,预示着基于本数据集建立的风险预测模型对ASD相关的发病风险有较好的预测作用。