伴随着人类基因组计划和其他模式生物基因组计划实施产生的数据爆炸，生物信息学应运而生，吸引了大量科研人员加入到生物信息学研究领域中来，使得生物信息学很快成为全球关注与研究的焦点。基于DNA微阵列数据的基因差异共表达分析为复杂多基因疾病的诊断和治疗提供了一种新的思路和方法。同时由于DNA微阵列数据的高维小样本特性以及实验数据获取过程中噪音的影响，使得选择与多基因病有关的致病基因成为一项有挑战性的工作。从基因表达谱的成千上万个基因中选择数量比较少同时具有生物学意义的差异共表达基因或者差异共表达基因模块的工作极具复杂性。在通常情况下，在海量数据中的计算时间呈指数级增加，实验过程非常长。因而，合适的共表达度量方法与筛选阈值策略是至关重要的。本论文中,在总结基因差异共表达分析研究成果的基础上,提出了基于DNA微阵列数据的新的基因差异共表达分析方法,详细阐述了方法的关键技术,最后对提出的方法与用传统方法的结果做出比较。本文的研究工作总结如下：第一，从基因和基因对的水平筛选差异共表达基因。提出了利用双加权中值相关(biweight midcorrelation)算法度量基因间的共表达相关关系，然后用半阈值策略(half-thresholding strategy)和差异共表达值计算方法得到差异共表达基因。通过与其他算法实验结果的比较说明算法的可行性和有效性。第二，筛选差异共表达基因模块。在用双加权中值相关算法计算基因相关性的基础上，进一步利用差异共表达阈值策略(differentialcoexpression threshold strategy)选出符合条件的基因，最后用k-clique算法和最大团(maximum clique)概念找到差异共表达致病基因模块，通过模拟数据的检测和分析，证明了此方法的有效性。本文最后指出了当前基因差异共表达分析研究中存在的一些问题和以后研究中需要做的工作。