基因相似分析不仅可以提供有关基因生物学作用和功能的信息,还可以揭示各种基因之间的关系。现有的基因相似分析工作主要基于基因的序列特征、本体功能注释特征以及关联信息特征进行。然而,这三类方法通常以定量的方式度量基因的相似性,存在度量标准单一的问题;通常直接对相似性度量的定量结果进行比较,以此进行相似分析;此外,还存在忽略不同语义条件下相似度量结果不同的问题,使得基因相似分析结果偏颇。对此,本文提出了一种新的基因相似分析方法,即基于基因信息网络的基因相似语义子空间挖掘。主要贡献如下:（1）以基因相关的公开信息作为数据来源,融合多源生物医学数据构建基因信息网络。该网络包含了7种生物医学实体（基因、基因本体术语、蛋白质、药物、mi RNA、疾病、表型）,以及7种关系（“基因-蛋白质”,“药物-蛋白质”,“基因本体术语-基因”,“基因-疾病”,“mi RNA-基因”,“mi RNA-疾病”,“疾病-表型”）,分别从基因功能、基因产物、基因表达调控、基因靶向药物、基因致病性、基因表型这几方面对基因的特征进行描述。（2）针对进行基因相似分析的目标体量不同并基于基因信息网络路径语义,提出了基因相似语义子空间这一概念,设计并实现了针对基因对的相似语义子空间挖掘算法（（?）imilar Semantic Subspa（?）e for G（?）e Simil（?）rity Explanat（?）n between Pairwise Genes,SCENARIO）以及针对多基因的相似语义子空间挖掘算法（（?）imilar Semantic Subspa（?）e for G（?）e Simil（?）rity Explanat（?）n among （?）ultiple Genes,SCENARIO-M）。（3）在针对基因对的相似语义子空间挖掘算法SCENARIO中,为了解决相似度量标准单一的问题,给出了基于基因信息网络上的元路径计算基因语义相似性的方法;针对基因信息网络上元路径自动搜索问题,采用广度优先策略遍历基因信息网络构造基因元路径搜索树,获得目标基因对的最大元路径长度作为元路径搜索限制条件;为了分析目标基因对在复杂语义条件下的相似性,提出了基于语义子空间的相似度量标准。通过在真实数据集上进行实验,验证了SCENARIO算法的有效性、执行效率及可扩展性。（4）为了在更一般的情况下挖掘基因相似语义子空间,设计了SCENARIO-M算法,用于挖掘多基因（即基因集合）的相似语义子空间。利用基因元路径搜索树返回目标基因集合中任意基因对的语义子空间集合,经由交运算融合生成目标基因集合的语义子空间。最后,分析目标基因集合在各语义子空间下的相似性,挖掘出目标基因集合的相似语义子空间。利用真实数据进行实验并结合通路富集分析,验证了算法SCENARIOM在对多基因进行相似分析时的有效性。