非编码RNA(Non-coding RNA,ncRNA)从器官发育到癌症恶化的大量生物过程中都发挥不可或缺的作用。这些RNA构成了肿瘤学内源性竞争RNA(Competing endogenous RNA,CeRNA)假说的基本组成部分。该假说为探索不同类型癌症的机制和演化提供了复杂网络的研究视角。这个领域之前的工作主要集中在静态CeRNA网络。癌症的发展过程中,潜在的CeRNA网络很难保持不变,因此我们研究了CeRNA网络的动态变化。将肺腺癌(Lung adenocarcinoma,LUAD)作为一个研究原型案例,对LUAD四个顺序演化期型,基于长链非编码RNA(Long non-coding RNAs,lncRNAs)、微RNA(microRNA,miRNA)、信使RNA(messenger RNA,mRNA)多组学数据,通过RNA的差异化表达分析、基于碱基互补配对原理匹配microRNA靶目标、援引CeRNA假说选取RNA之间表达量的负相关方法,来构建四个期型的CeRNA网络。我们发现网络由microRNAs及其靶向的mRNAs(或者lncRNAs)组成,具有双二分图结构(Two-level bipartite structure)。比较LUAD四期网络中microRNA的组分,CeRNA网络自然划分为两类子网络:由全部期型中一组不变的microRNA构成的共有的内源性竞争网络(The common competing endogenous networks,CCENs),以及不同期型特有的microRNA构成的独有的内源性竞争网络(The unique competing endogenous networks,UCENs)。CeRNA网络中mRNA进行系统的基因本体(Gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)通路的富集分析,发现构建出的CeRNA网络与癌症及其演化相关的通路密切相关,且随着LUAD期型的恶化与癌症相关程度也更加紧密。另外,UCENs中microRNA相连接的mRNAs相比于从CCENs或者UCENs中直接选取的mRNAs有更高的富集效率。主成分分析(PCA,principal component analysis)技术研究经过差异化表达分析的LUAD样本数据,并结合Cox等比例风险回归模型分析各主成分及其本征矢对病人生存情况的影响。通过对PCA的本征矢进行层次聚类,我们发现一些在CeRNA网络工作中被报道过的microRNA能够显著影响LUAD样本生存情况。Kaplan-Meier生存曲线分析发现CCEN中六个microRNA能影响LUAD全部样本的生存情况,并且四个microRNA能够影响LUAD某一特定期型样本的生存情况。这十个microRNA可以作为诊断和监视LUAD的潜在标志物和预后手段。