生命的遗传物质DNA,我们可以将其蕴含的若干基因同时监测,利用芯片杂交技术和测序技术在单次试验中测度这些基因的表达水平,然后基于大数据进行科学分析研究,以帮助我们了解生命的奥秘。特别是二代测序技术的逐渐发展产生了大量的基因组数据,替代了 Sanger测序技术的地位。另外三代、四代测序技术的崭露头角体现了其大片段、单分子等测序特点所带来的优势。这些高通量测量技术在打破传统实验手段局限性的同时,其快速发展伴随着各种生物基因组数据的累积。另外大型、跨学科、跨国的研究项目相继启动及展开,其相应综合型生物数据库互联网平台为科学研究和精准医疗做出了巨大的贡献。因此,挖掘和解释数据的模式与规律成为当今的热点主题,特别是生物信息学中各种方法的应用,成功解决了分类、聚类、关联分析等相应研究的问题。另外机器学习算法对基因表达数据模式识别能较智能化的识别具有生物学意义的基因,并使其在实际生活应用中帮助生物医学临床的诊断和治疗。其中各种特征选择方法的相继发展成为高通量基因表达数据集模式识别和基因筛选的常规手段。虽然监督学习的特征选择方法在对大数据集的学习中十分高效、快捷,但对于像基因表达数据这样高维的数据来说,随着维数的增加其计算效率迅速降低甚至成为一个NP问题。优化搜索算法的发展成功解决了该问题,其中应用最多的启发式优化搜索算法如各种进化算法发展迅速。在进化算法家族中遗传算法、差分进化算法在其优化搜索上展现了其独特的竞争力,其中差分进化算法以其鲁棒性、快速收敛等特点迅速成为研究人员关注的焦点。因此我们在基因表达数据集上使用Ahmed Al-Ani等人提出的一种随机种群进化优化算法---差分进化特征选择算法,解决特征基因选择问题。然而发现该算法的缺点,由此我们改进该算法适用于基因表达数据集,其中将控制进化速率的尺度因子视为一种偏态分布,然后基于染色体空间结构变动的事实改进基因排列的固定方式以及使种群波动性进化。另外考虑到机器学习中基因表达数据集普遍的类不平衡特性,将训练数据集和测试数据集保持其类别构成比几乎相同,同时利用权重精度评估分类器模型的性能,由此缓解牺牲少数类的训练影响。算法优化的适应度函数我们考虑了不同特征基因子集大小的影响,根据Dashtban M.等人提出的罚分策略,将适应度函数由权重精度和罚分项组成。另外,我们从Laura Cantini等人发现microRNA-mRNA互作网络中潜藏着分子亚型而获得灵感,在对于肿瘤亚型的研究中,将算法优化的特征基因子集与肿瘤多类亚型探索联系起来,然后特征基因构建样本关系网络,利用极大平面过滤图算法PMFG过滤该网络,并使用拓扑图形划分算法初步探索肿瘤亚型划分的可行性。在本研究工作中改进的差分进化特征选择算法即模拟了宏观的物种进化方式,又模拟了微观分子间位置关系的演变,以实现算法更近似模拟研究对象的活动规律。在真实的数据应用上,表现出该算法高效的计算能力和良好的结果。而且在肿瘤亚型拓扑探索研究中,我们将特征基因作为媒介构建样本关系网络,其中每个基因都能高效判别。然后以对照组作为一个独立社团为基准即参照物,利用PMFG算法过滤网络,拓扑划分方法实现肿瘤亚型的划分,而相应的特征基因集值得进一步研究分析。虽然没有验证拓扑划分的生物学意义,但我们的研究工作在大数据肿瘤背景下提供了借鉴之处。