高通量组学技术的兴起为研究包括复杂疾病研究等提供了大数据的支持，这些不同来源、不同层面、不同尺度的数据组成生物医学等的多元异质大数据，具有很强的时空动态性。这些特性使得我们迫切需要研究数据时空特性的动力学分析方法，如基于动力系统的临界点预警方法、基于空间信息与时间信息转换的时序列预测理论、基于嵌入理论的因果关系推断算法等。这些基于动力学的数据科学新理论与新方法能够帮助理解和预测复杂系统的动态发展，有助于分析复杂动态过程和复杂疾病的机制，加速包括生物医学及人工智能等研究领域的步伐。特别是，复杂疾病系统发生发展过程普遍存在非线性临界现象，如何从网络或系统层面，科学地量化这样的临界点对于实现疾病的精准预测和疾病预防具有重要意义；空间-时间信息转换与因果推断方法也可广泛应用于癌症转移与复发，干细胞分化的动态机制，公共卫生实时监测、亚健康状态预警、时间序列预测、AI研究等方面，这些计算系统生物学理论和方法对动力学驱动的数据科学理论和生物信息学算法发展有重要的推动作用。