膜计算作为自然计算的一个新分支,是受生命细胞的结构和功能以及高级生命组织和器官间的协作所启发的一种计算模型,这种计算模型普遍称为P系统。由于其具有分布式、并行计算能力和不同模型所表现出的诸多优势和特征,膜计算吸引了众多学者的关注,并在众多领域得到广泛应用。随着多个生物基因组测序的完成、微阵列技术的广泛应用,基因表达数据的爆炸性增长迫切需要自动、有效的数据分析工具,对基因表达数据的分析成为生物信息学的研究热点和难点。目前聚类分析已经成为生物信息学中基因表达数据分析的有力工具。本文首先将模糊划分技术与遗传进化机制相结合,并对初始对象进行实数编码,从而对维度较低的数据集获得良好的聚类划分效果。在此基础上,针对基因表达数据类型多、处理量大、数据之间内在关系更加集成和复杂的特点,本文提出了一种膜计算框架下的模糊聚类算法,设计了一个两层嵌套结构的细胞型P系统,并且它的进化和转运机制被利用来开发这个模糊聚类算法。这个细胞型P系统能够有效地发现最优簇中心。所提出的模糊聚类算法在一个真实基因表达数据集上被测试,并与经典的Iclust算法和近期开发的Fuzzy-VGAPS算法进行了比较。比较结果表明在聚类有效性上所提出的模糊聚类算法明显优于其它两种算法。