癌症的分类预测是医学的一个主要研究课题。越早发现癌症,治愈的机率就越大,越晚发现癌症,治愈的机率就越低。及早发现癌症至关重要。基于信息学的癌症分类预测在克服癌症诊断形态学、影像学方法存在的诸多缺陷、对癌症患者实现早期准确诊断方面具有重大研究意义和实用价值。在基于信息学的癌症分类预测中,目前研究癌症分类预测主要是基于基因表达谱数据。由于TCGA数据库癌症种类丰富,样本量大,不仅提供了容易和不受访问限制的基因表达谱数据,还提供了很多其他OMICS技术的数据,因此本文提出基于基因表达谱和DNA甲基化的癌症分类预测模型。我们推测甲基化和基因表达数据的结合可能会改变分类结果,得到重要的特征。因为所得模型不仅会反映转录组的差异,还会反映表观遗传水平的差异。由于TCGA数据库提供的基因表达谱和DNA甲基化数据具有高维度,小样本,高噪音,正常样本少等特点,本文首先使用SMOTE方法使正常样本数和癌症样本数达到平衡,然后采用十折交叉验证,每次对训练集使用最小冗余最大相关性(MRMR)方法做特征选择,利用SVM训练得到分类模型,最后预测得到分类结果。本文基于基因表达谱和DNA甲基化,通过实验和对比研究探索数据集的融合、不平衡问题的处理、分类模型构建。对TCGA乳腺癌的基因表达谱和DNA甲基化数据进行分类预测研究,实验一结果验证了对极不平衡的数据集直接构建分类器,会导致分类预测结果为100%的过拟合或0%的欠拟合。实验三为本文所提方法,结果显示了使用10个特征就可以使各项评估指标达到98%以上的分类预测结果。