利用基因芯片技术，研究人员能够同时检测数万个基因的mRNA转录表达水平。基因芯片这一强大的技术手段改变了生物学家认识、研究生物的方式，从传统的研究单个基因的表达水平转变为在转录组尺度上研究整个基因组表达水平的变化模式。这就要求对实验结果的后期分析也应转变策略，从孤立地考察单个基因在不同条件下的表达水平转变为同时并行地考察整个基因组中的每个基因在不同条件下的表达水平。由于基因芯片实验往往产生大量的数据，早期的分析又常常采用人工解释的方法，所以过程非常冗长，并且费时、费力。 在基因芯片实验产生的大量数据中，存在大量的不可靠的数据点。Oligo芯片数据中就有很多不合格的检测点，表现为检测值极大和极小。在表达水平层面，通常对检测值做最大值和最小值的预处理后，进行后续分析。我们选取4套Oligo芯片数据集，采用不同的限定芯片数据中最大值和最小值的方法，考察对支持向量机、K近邻、决策树三种分类器分类疾病样本效能的影响程度。结果显示：Dudoit等限定最大值和最小值分别为16000和100是一种合理的策略，可以达到很好的分类效果。同时发现对于小于100的检测值较多的数据集，采用限定最小值为10的策略同样能得到很好的分类效果，并可以为后续分析保留更多的原始数据。我们又根据Gene Ontology基因功能分类体系，进一步采用功能表达谱方法，构造反映功能结点中全部注释基因的总体表达状态的均值或中值指标，利用构建的功能表达谱进行分类分析。不同异常值的限定方法对基于功能表达谱进行分类得到的准确率的影响较小，可以获得较稳定的分类结果。 cDNA基因表达谱数据中除存在大量的缺失值，还有很多重复检测值。这是因为在cDNA芯片中，一般会根据待测基因序列的长度取其中一段序列(克隆)或几段序列进行杂交而获得mRNA丰度数据。同时，为了反映检测过程中各种因素的干扰，会对一个基因一些特异性序列片段进行重复检测，或对代表基因的不同序列片段进行检测。在许多研究工作中，对表达谱中对应同一条Unigene的多条克隆表达值，常取它们的平均值或取缺失率最小的克隆表达值做为该条Unigene的表达值。我们选取6套cDNA芯片数据，讨论这两种常用的由多条克隆的检测值获取对应的Unigene表达值的处理方法处理表达谱中对应同一条Unigene的多条克隆的表达值，分析对利用SAM和T-test筛选差异基因的影响。结果显示：表达谱中对应同一条Unigene的多个克隆之间的相关性不高，并存在许多负相关；两种处理重复检测值的方法对差异表达基因的选择有很大的影响。同时从制备芯片探针角度提出采用BLAST方法，优化检测同一条基因的多个探针，获得更能准确描述基因的表达值。