广泛存在于公开数据库和零散文献中的海量生物芯片数据是认知生物遗传信息的“知识宝库”。这些数据由于实验背景、获取条件差异较大，通常情况下并不具有可比性；同时也因为缺乏可靠的数理分析工具，多数只是经过简单的差异统计即被搁置一旁。本文围绕非编码基因及其功能鉴定方法，提出由不同的基因芯片数据驱动，借助计算方法建立联系，鉴定新的非编码基因、非编码持家基因。具体工作包括：首先从生物技术及计算预测两个层面对非编码基因的鉴定方法进行详细阐述，分析非编码基因的生物特征，包括核酸序列开放阅读框的长度、密码子偏好性、密码子替换频率、序列保守性、二级结构等，并论述了长非编码RNA的功能特异性；其次本文提出了一种基于编码、非编码双色共表达网络的非编码基因功能预测方法，将此方法用于Affymertrix公司所生产的Human Genome U133A芯片，在25,000个探针中重注释了1,120个非编码基因并对这些基因的功能做出预测；最后，为了使更多来自于不同生物背景的芯片数据具有可比性，本文提出一种基于傅立叶分析的非编码持家基因预测方法，运用该方法在基于Human Genome U133A芯片的人类Hela细胞时序芯片中预测了510个持家基因，其中包括93个非编码持家基因。对比实验证明本文方法可覆盖已有3个公开报道的阳性数据集，计算方法具有准确性、鲁棒性，生物学结论可靠。本文所提出的网络模型和预测算法可以较好解决当前的非编码基因的鉴定与功能注释问题，对其他领域相似数据分析也有借鉴意义。