二十一世纪以来,随着经济的发展,癌症患者以及其他疾病患者数量急剧增长,不断对我国的医疗水平提出了挑战。如同面对2019新型冠状病毒的袭击一般,我们需要不断地探索、不断地突破,才能使病例被诊断、被治疗。类似于这种无法通过观测表观症状诊断,或者病情还在初期的癌症或者疾病,可通过检测基因测序或基因表达数据提供诊断和治疗的依据。如今,基因芯片技术发展迅猛,公开的基因表达数据越来越多,如何通过这些基因表达数据探索出癌症或疾病诊断方向显得越来越重要。然而,目前癌症基因表达数据研究致力于在少量的样本数据的基础上来提出更佳的相关研究方法,忽略了样本的普遍性与独特性,研究结果说服力度不够。因此本文将研究四个胰腺癌基因表达数据集,并使用一个新的外部样本集检验实验结果。同时考虑到基因之间的相似性,采用了区别于目前许多硬聚类研究的软聚类方法---模糊聚类进行基因分类,寻找更加全面的胰腺癌分类特征基因。本文从GEO公开数据库下载了四个胰腺癌基因表达数据集。采用R语言的Limma包的经验贝叶斯方法分别对四个数据集进行差异表达分析,然后对四个差异分析结果取交集,将其作为后续研究的基础;采用中位数整合法,整合四个基因表达数据集中73个差异基因的表达矩阵,得到含有202个样本的表达矩阵;采用模糊聚类法,将73个基因分类为5类,运用绝对距离法提取中心基因,得到5个分类特征基因;最后使用逻辑回归算法,采用留一法验证,分别对四个基因表达数据集进行样本识别;通过绘制ROC曲线,计算混淆矩阵衍生指标准确率、特异度、AUC值评估分类有效性。结果显示5个分类特征基因在四个数据集均达到80%以上的分类准确率。为进一步验证实验结果,用一个外部胰腺癌基因表达数据集进行样本识别,得到88.46%的分类准确率。经相关研究表明,这5个分类特征基因中有3个与胰腺癌相关,有2个与癌症有密切联系。因此,本文分类特征基因选取方法是有效的,筛选出的分类特征基因可为胰腺癌诊断提供指导意见。