肺癌是世界上致死率非常高的主要癌症之一,其基因组研究对于该病的诊断和治疗都有十分重要的意义。随着基因芯片技术的发展,单核苷酸多态性(SNP)等位位点目前是人类遗传研究的重要组成部分。而杂合性缺失(LOH)这一现象常与恶性肿瘤的发生有关。利用SNP基因芯片矩阵得到LOH值进行分析,定位癌症的易感基因区域和易感人群,对于早期发现癌症的基因组变化和定位新的染色体致病区域有着十分重要的帮助。Cheng and Church算法是现有双聚类算法中比较重要的一种,它将双聚类问题视为一个优化问题,并为每一个候选聚类定义了一个打分函数。用一个启发式的贪心算法去解决在限制条件下的优化问题。本文就是通过dchip软件分析得到113个样本的杂合性缺失(LOH)表达量,提取其有效信息,整合成以SNP位点为行,样本细胞线为列,LOH表达量为值的大矩阵。具体实现Cheng and Church算法,得到不同的样本分类以及与之对应的SNP位点分类。再用它们与实验方法或其他途径得到的生物学背景值作对比,建立合理的评估方式,最终证明双聚类算法能够有效、准确的对癌症基因和样本进行定位,为发现和预防疾病提供了一种新的研究方法。