癌症是一种高度异质性的疾病,由不同细胞类型和组织的失调引起,本质上是有组织细胞差异表达引起的疾病。然而,不同的癌症可能有共同的发病机制。识别与癌症的产生和发展有关的基因是至关重要的,并且对多种癌症的联合分析可能有助于发现不同癌症之间的重叠发病机制。同时基因表达数据具有低样本数量高维度的特点,传统的特征选择算法无法高效的处理这类数据,但是癌症通常只由几个关键的基因突变导致,因此如何剔除数据集中的无关基因对数据集进行精确筛选很重要。本文提出了一种融合的特征选择算法框架,可以归属于集成特征选择算法,因为这种方法是两种特征选择算法叠加起来的。然后,我们使用该方法在临床相关预测任务中识别强大和可靠的特征。对11种人类癌症类型进行了联合分析,以探索癌症的关键特征基因。本文的主要研究工作重点如下所示:1.基于机器学习算法里集成学习的思想,本文提出了一种将过滤法和嵌入式特征选择方法组合起来的特征选择方法——FS-GBDT算法,这种方法分为两步,首先使用过滤法对数据进行大规模的筛选,然后根据嵌入式特征选择算法进行更精确的子集搜索。经过实验证明该方法高效,简单,易于扩展。2.结合FSGBDT算法和随机森林、支持向量机、逻辑回归和朴素贝叶斯分类器在不同数据集上运行,与三个流行的特征选择方法进行对比,结果显示我们的方法取得了相似或者更好的结果。尤其是在分类准确率较低的乳腺癌(GSE5764)数据集上,本文提出的方法的分类平均准确率可达到91.5%,显著高于其他方法,进而证明我们的方法是有效的。3.随后,我们对选定的功能模块进行了基因本体论分析和文献验证,这些功能模块被分为几个功能集:细胞生长调节、先天免疫应答调节、组织迁移、干扰素产生和特定的癌症信号通路。另外,功能模块或许可以作为一个特征子集来作为疾病的诊断标准,使用功能模块替代单独的基因有助于更好的研究癌症的产生和发展。