复杂疾病由于其致病原因的多样性和治疗的复杂性,致使其成为危害人类健康的头号杀手,也成为21世纪生物医学研究的重大难题之一。目前,网络模型已被成功地应用于复杂疾病的研究中,利用疾病数据建立单层或多层生物网络模型,从网络动力学的角度来研究复杂疾病的致病基因、确定复杂疾病的药物靶标等。这些问题的解决对于复杂疾病的治愈研究具有极其重要的作用。由于研究生物网络的最终目的是通过施加信号将生物系统的状态引导到理想状态,即实现对于网络的控制。因此,网络控制的研究对于复杂疾病的研究来说显得尤为重要。目前,单层网络线性与非线性控制的研究取得了很大的进展,但已经观察到许多复杂的生物系统实际上具有多层网络结构和极其复杂的非线性过程。本文提出了一个通用的框架,将多层网络的非线性控制问题转化为最小并集优化问题。特别地,我们提出了一个新的算法,能够确定多层生物网络的最小控制点集,实现控制多层非线性动力系统向其他状态的转变。三个实际的疾病相关生物多层网络被用来证明方法的合理性。我们发现在应用本文所提出的算法识别的多层网络最小控制点集中,一些节点在生物学实验中被证实可以作为药物靶标。通过查阅文献,其他尚未被认为是药物靶标的节点仍然参与了重要的生物学过程。