基因表达谱常常用于癌症的识别与诊断,基因芯片技术能大规模、高通量地研究癌症的基因表达谱,克服仅就该疾病与一个或几个候选基因之间连锁、关联研究的局限。该技术已经被广泛应用到很多领域。基因表达芯片所产生的海量数据具有高维,高噪,高冗余特点,并且大部分基因与疾病分类无关而且样本数也比较少。因此特征基因选择不仅可以帮助我们找到有很好判别分类能力的基因,而且还能降低计算的时间与空间复杂度。因此基因选择显得相当重要。本文主要的研究工作如下:一般的基因选择方法只考虑单个基因的独立性而没有考虑基因之间的相互作用,本文提出了基于网络的权重基因共表达方法并应用于癌症的识别与诊断。症数据集上根据基因之间的皮尔逊相关系数计算不同节点之间的相异系数,接着构建一个权重网络,网络模块内的基因共表达程度高,而不同模块之间的基因共表达程度低。然后,根据模块特征向量研究模块与特定表型的关联性,找出与疾病相关的显著模块。最后用三个公开的基因表达谱数据集来检验我们的方法。用决策树和支持向量机作为分类器来检验候选基因的分类预测准确率。实验结果证实本文提出的方法能够取得不错的分类效果。为了进一步验证选出来的特征基因的生物意义,我们采用基因本体论来研究与疾病相关的特定模块内部显著增强通路的生物过程。我们发现在三种不同的数据集通路上找出来的显著基因很多都已被先前的研究验证与该疾病相关。还有一部分没有被验证的基因也很有可能是该疾病的易感基因,有待进一步研究验证。针对精神分裂症的脑神经机制,首先对降维后的三个不同脑区的基因表达谱数据集进行基因网络模块的构建。接着对脑区各模块之间进行两两比对分析。找出脑区之间的差异性,并对这些差异性模块进行网络连接可视化分析。然后把找出的那些显著基因映射到人类基因数据库中进行GO分析。最后得出结论证明基底核区是精神分裂症基因的表达中心。