近年来，肿瘤已经严重威胁人类健康。寻找肿瘤的潜在生物标记对恶性肿瘤的早期诊断和治疗起到非常重要的作用。基于质谱技术的蛋白质组学数据分析能为肿瘤的早期诊断提供有力手段。从海量的肿瘤质谱数据中挖掘具有样本差异的标志物或者可以体现样本差异的特征，对恶性肿瘤标记物的识别具有重要的价值。本文在对肿瘤质谱的数据分析中，提出了一种从SELDI血清蛋白质中提取样本特征的方法。此方法具有较高的准确率、敏感性与特异性。具体工作如下：(1)从蛋白组学质谱原始数据中，采用重采样、基线校正、标准化、平滑、峰识别与提取、峰值对比等手段，提取到了具有较高可靠性的质谱峰值。(2)提出了两种图形表示的方法，一种是将峰值转化为氨基酸序列，另外一种是将峰值转化为0-1序列。通过序列对比来提取代表样本差异的特征，并将特征看成肿瘤样本的标志物。(3)根据样本特征，构建了样本二分类模型。本文将支持向量机运用到肿瘤标志物的分类器实现上，并对模型参数进行优化。与其他方法结果的比较，说明此方法具有较高的预测准确率。(4)将上述预处理方法与模型应用到另一组三分类的卵巢癌质谱数据集上，将原来的二分类推广到多分类，得到了较好的结果。本文的分析结果表明，我们的方法具有很好的预测结果，并且适用于所有的质谱数据分析。