辨证论治是中医临床的主要实践模式,四诊信息是其主要依据和基础。中医诊断的微观分子机理研究一直是伴随着诸多质疑而困扰中医研究者几十年的难点研究课题。我们认为导致中医诊断基础研究的困境的根本原因有两个方面：(1)中医证候诊断的主观性和个体性；(2)中医证候诊断的信息源头：四诊信息(症状)的微观分子机理研究的缺乏。实际上首先进行相对客观的临床表型：症状的微观分子机理研究是一个极好的突破点,一方面避免了中医诊断的主观性；另一方面,使得中医诊断的基础研究有据可依。因此,本文从中医诊断的主要客观因素——症状的微观分子机理研究出发,基于大规模整合数据,来探索中医诊断的基础研究问题。通过整合利用症状与疾病的关系、药物副作用关系、疾病基因关系和蛋白质相互作用网络数据,重点研究基于网络的症状基因预测分析方法。通过整合多种表型与基因型数据,分别从症状与疾病关系以及药物副作用关系等两个方面进行预测分析方法研究,形成了两类症状基因预测分析新方法。(1)基于症病关系的三种症状基因预测分析方法,该方法基于目前最具性能优势的疾病基因预测方法(PRINCE算法),进行整合和改进,获得了明显的计算效果。其中PRINCE_SB方法获得了0.843的AUC和0.139的平均排序分,是随机情况预测准确度的10倍。由于标准数据集的数据有限,我们以Headache的预测结果为例,通过最新文献检索发现,其前10个基因ABCB1, MTHFR, TNF, ACE, CYP3A4, IL6, TP53, TYMS, PTGS2和PTEN均具有文献支持。(2)基于药物副作用关系的症状基因预测方法,该方法将第一种方法与药物副作用关系结合,能够形成生物学意义更加明确的基因关系分析结果。其排序分是0.098,相较单纯基于症病关系的PRINCE SB提高了28.95%。基于症状在中医证候诊断中的重要性及其作为客观临床表型的特点,本文首次提出基于数据整合和复杂网络分析,进行症状基因预测分析的方法。经实验分析表明,该方法具有可行性和实效性,能够获得可靠的预测结果,从而有望为中医诊断的基础研究提供新的思路和分析方法。