随着科学技术的飞速发展,生物学、医学等领域与计算机的关系越来越紧密,它们已经开始朝着数字化的方向发展。单细胞测序、医学图像以及药物设计等每时每刻都在产生大量的数据,这些海量的数据给研究人员带来了巨大的挑战。特征排序和降维是机器学习和生物信息学研究中的关键方向。特征提取后的生物序列数据可以通过机器学习进行科学研究,但是经过提取的特征中存在很多问题,例如特征与特征之间容易出现冗余问题。我们通常只希望使用对模型训练最有价值的那些特征。但是不同特征排序的算法输出不同的排序结果,用户需要手动测试最终的维数,这样十分浪费时间和精力。在本研究中,我们主要解决了三个问题。一是降维算法的通用性问题,即一个方法能够处理不同的数据集。在特征排序过程中,我们使用到了多个特征选择算法,进而可以呈现出特征之间更复杂的关系,然后借助网页排名的思想去计算每个特征的重要性。由于PageRank的思想在我们特征排序中取得了不错的效果,后续工作中我们又添加了HITS,Leader Rank,Trust Rank三个方法。二是探索降维后的维度大小问题。这里采用了正向添加策略以及五折交叉验证去测试最优组合的特征子序列。三是由于本文的方法在降维时要多次使用交叉验证,如果数据集过于庞大将是一个十分耗时的任务。所以本文额外提供了Spark版本的并行化实现方案。在本文的实验中,我们分别从多个数据集的不同角度证明了本方法的有效性。另外利用Spark集群实现并行的计算速度也在文中的实验中得到了有效证明。由本文方法实现的程序后期也会不断更新,源码可以在我们的Github中获得。最后为了供科研人员研究和使用,我们还提供了在线的降维平台。