大豆在世界范围内都有广泛种植,它是重要的可食用蛋白以及生物燃料的来源。随着基因测序技术的成熟,大豆基因组学的研究越来越受关注。为了突破对大豆这一关键农作物的认知并且提升大豆的价值,世界各地的研究者进行了大量的大豆基因测序工作,从基因组学的角度研究大豆已经成为热点。例如,可从基因组学角度出发,开发生物标记物对锈病进行预警、研究大豆对锈病的抵抗机制,这对提高大豆产量以及研发新型耐锈病大豆具有重要意义。在传统的组学研究中,生物标记物表明疾病已经出现。对于大豆来说,生物标记物的出现往往意味着锈病已发展到较为严重的程度,虽然可以采用物理化学手段进行干预,但往往也会造成较为严重的损失。此外,在大豆基因的品种改良研究中,往往只研究其中具体某个基因对锈病的抵抗功能,这忽视了一个事实,即对锈病的抵抗并不是单个基因的作用,而是多个基因相互作用的结果。本文采用动态网络标记物（DNM）的算法和思想,以动态预警和系统整体的视角,对大豆锈病进行了基因表达数据的分析。以动力学角度来看,动植物疾病的发展过程可以看作为非线性动力学过程。对于大豆来说,锈病的感染及恶化不是一个连续的过程,而是存在着突变。为了研究这一过程并且找到大豆发病的临界节点,本文选取了时序大豆锈病基因表达数据,采用能够分析时序数据的动态网络标记物方法（DNM）进行研究。当大豆锈病发展到关键节点时,其内部会形成一个密切相关的基因子网络,该子网络被称为DNM。DNM的特点是网络内部基因在临界点时具有较高的波动、网络内部成员具有强相关性、网络内部和外部相关性较弱。本文利用这一特点进行DNM发现。首先,进行数据清洗和差异表达基因筛选,在每个阶段对筛选得到的差异表达基因进行层次聚类。随后根据动态网络标记物的特点对每一类进行打分,将每个阶段得分最高的类保留下来,将它们称为候选动态网络标记物即s DNM,得分最高的s DNM即为DNM。为了描述大豆对锈病的抵抗过程,对所有阶段的s DNM进行GO富集分析以及KEGG功能分析,并对检测到的3个DNM进行蛋白互作网络分析及相关拓扑性质的计算。在易感锈病大豆中,本文检测到两个DNM:12h的DNM代表着大豆基础免疫首次启动,288h的DNM代表大豆锈病即将恶化。在耐锈病大豆中,本文检测到一个DNM:216h出现的DNM代表大豆抵抗锈病的关键节点。通过功能分析和网络分析,本文认为,在耐锈病品种中,12h富集的植物激素信号传导功能加强了大豆二次免疫的强度,这是其能够抵抗锈病的关键。本研究针对大豆锈病,利用DNM及相关基因组学技术进行分析,提供了一种新的大豆锈病研究视野,即从基因出发并以动态的角度对大豆的锈病感染及抵抗机理进行阐述,成功发现了2个免疫关键节点以及1个恶化预警信号,这对大豆品种改良以及锈病预警有着关键作用。