随着时代的发展,健康越来越成为大众关注的焦点话题。由于近几年发病率和死亡率不断攀升,癌症成为严重影响人类生活质量,威胁生命的重要因素之一。结直肠癌作为目前高发的人类胃肠道恶性肿瘤,严重危害着人类的健康。虽然我们对结直肠癌的认知不断提升,但由于结直肠癌早期诊断困难且易发生转移,因此预后状况不佳,晚期结直肠癌患者五年生存率约为13%。伴随着现代信息技术和生物医学技术的进步,基因检测技术蓬勃发展,为结直肠癌预测和结直肠癌患者预后提供了新思路。基于结直肠癌患者的全基因组数据,寻找与患者预后生存密切相关的特征基因并构建预后模型,对患者生存时间进行预测,可有效的帮助医务工作者对患者进行针对性治疗,改善患者的预后状况。在本文中,我们提出了可预测结直肠癌患者生存期的生物信息学分析方法。该方法采用TCGA数据库中结直肠癌患者的全基因组数据,结合特征选择算法和分类算法构建了预测结直肠癌患者生存时间能否超过三年的预后模型。该模型可帮助医务工作者将不同的结直肠癌患者划分到不同的危险等级组中,从而对不同的患者实施更具针对性的治疗方案,改善患者的预后情况。本文的主要工作如下:（1）针对生物基因表达数据维度过高,大量冗余基因影响后续分类效果的问题,提出了一种融合差异基因的T-F-邻域粗糙集的特征选择方法。该方法由三层结构构成,采用逐层筛减的方式和先“粗选”后“精选”的策略。第一层采用T-test+差异基因对比的方法,将结直肠癌样本和其他癌症样本数据采用T-test方法粗筛,随后将结直癌特征基因列表与其他癌症基因列表进行对比筛选。第二层采用Fold-change方法剔除无关基因。第三层采用基于邻域粗糙集的属性优化算法并对基因列表进行最终的精选,进一步剔除冗余基因。最后结合GEO数据库中癌症数据集进行验证,结果显示该算法取得了利用较少基因个数实现较高分类准确率的效果。（2）基于结直肠癌患者全基因组数据,结合T-F-邻域粗糙集特征选择算法,找到与患者预后密切相关的特征基因集。随后采用RUSBoost抽样算法解决数据分类不平衡问题,同时从位置更新的角度改进灰狼优化算法,利用其对支持向量机（SVM）参数进行寻优。最后构建基于支持向量机的预后模型,并分别使用随机森林算法和K近邻算法构建预后模型进行对照比较。（3）基于结直肠癌患者的临床数据,构造了对照实验。以患者的临床特征信息作为特征集,分别使用同样的三种分类算法构建相应的预后模型,结果显示基于支持向量机的模型效果最佳。同时通过对比分类结果得出,相对于临床信息,本文构建的基于特征基因集的预后模型拥有更高的分类准确率和AUC值,可以更好的为医务工作者提供划分危险等级的理论依据,以便于为患者提供更具针对性的治疗方案,有效提高患者预后情况。