人脑包含数百个解剖和功能上不同的区域，每个区域都由数十亿个异质细胞组成，整个人类大脑转录组的表达模式极为复杂。在微观水平上，成千上万的单个基因的表达通过复杂的相互作用来确定基因组的表达模式。在宏观层面上，数百个不同的大脑脑区之间的基因组表达模式的相互作用导致了整个大脑的所呈现的转录特征。在每个级别，可能存在涉及基因或脑区的成对，三倍体，四倍体等的相互作用，从而对于一个n-基因或者n-脑区系统，其表达谱网络的复杂度将是O(2ⁿ)。而这种极高的复杂度限制了传统相关方法的使用，单个脑区的转录组表达模式和整个脑网络表达谱的结构仍均不清楚，阻碍了理解基因表达如何调控大脑的结构、功能、发育和疾病。因此，找到一个简单的定量框架用于刻画单个脑区的全基因组表达模式的结构以及整个脑网络的表达谱具有重大意义。以此为目标，本文通过结合人脑转录组数据分析与建模深入研究了决定基因表达模式相互作用结构，极大地简化了表达模式的分析框架，并在此基础上探索了这一分析框架在脑疾病相关基因研究中的应用。

首先，本文发现是二阶基因相互作用决定了人脑中的层级化转录模式。人脑是一个复杂系统，其结构和功能受到众多基因的精细调控，且各个基因的表达之间存在着错综复杂的相互作用，但是目前对于基因间相互作用的基本规律及其与脑结构、脑功能的关系尚不清楚。通过分析人脑中数千个采样位点，１万多个基因的转录数据，本文发现基因表达的成对（二阶）相互作用可预测单个脑区和整个脑网络的转录模式，表明人脑的基因转录模式是由二阶相互作用所主导。这一发现极大地降低了基因表达网络的复杂度[从Ｏ(2ⁿ)降至Ｏ(n²)]。此外，该研究也揭示了基因表达与脑网络整体性质之间可能存在的深刻关系，即转录组数据中的基因相互作用强度可以导致根据转录特性聚类所获得的脑区数目接近最大，提示进化过程可能选择该作用强度以实现丰富脑结构和功能。

  进一步，基于转录的群体耦合程度度量，本文发现了在基因和脑区层面新的组织模式和结构。通过进一步分析全脑的转录组数据，本文发现单个基因或脑区的表达模式与整体（基因组或脑网络）的表达模式之间的相关程度（群体耦合程度）可以简约的刻画基因表达的二阶相互作用，从而进一步降低了基因表达的相互作用结构的复杂度［从Ｏ(n²)降至Ｏ(n)]。该研究根据群体耦合程度，发现基因可以分为强耦合的“合唱者”与弱耦合的“独唱者”，而这两种不同的基因群体具有不同的生物学功能。进一步，在脑区层面，该研究发现了根据基因表达的群体耦合程度呈现明显的空间聚类特性与脑区特异性，提示了一种尚未报道过的人脑组织划分模式。

最后，利用上述研究提出的基因表达群体耦合程度，本文识别出在不同脑疾病中相互作用模式显著变化的基因。差异表达基因已经被广泛运用于分析人脑疾病致病机理，然而这种分析无法识别一些表达水平没有显著变化但在转录网络中有着重要角色转变（比如从“合唱者”到“独唱者”）的基因。以阿尔兹海默症（AD）等脑疾病为例，通过分析RNA微阵列数据集，发现在脑疾病组和正常对照组的比较中，许多基因的群体耦合程度发生了变化，本文将这些基因命名为角色变化的基因（RAG），并且发现只有少部分RAG在基因表达水平上有着显著的变化。通过基因功能分析，本文明确了这些RAG可能具有的生物学意义。这一工作证实了在脑疾病的发生发展过程中，除了表达量的变化，一些基因在表达网络中的相互作用方式也会发生变化，从而为脑疾病研究提供了一个重要的新视角。

综上，本文利用参数化模型深入分析了人脑转录组的数据，发现了决定基因相互作用结构的重要因素，提出了在丢失信息最小化前提下的一系列降维方法，大大降低了分析基因表达模式的复杂度，为后续的相关研究提供了重要的理论依据和分析工具，进一步，通过将这一创新的分析框架用于脑疾病相关基因的研究，本文初步验证了其实用意义。我们相信对于基因相互作用结构的深入理解，将在未来极大地促进有关遗传信息如何决定脑网络结构、功能及其发育和异常的研究。