肺癌的发病率与死亡率全球第一,种类多样,发病机制复杂。目前,肺癌依然存在着预后差、生存率低、早期难以筛查的特点。随着基因芯片技术和数据挖掘技术的迅猛发展,越来越多的高通量组学数据被应用于癌症的研究中。在这种背景下,利用生物组学数据寻找与肺癌相关的特征标志物,为肺癌患者的早期筛查和靶向治疗提供指导,并且探究肺癌的发病机理意义十分重要。然而,大多数生物组学数据都具有维度高,噪音数据多,样本数目过少的特点。如何在高维度的数据中挖掘出与患者的预后或者疾病发展程度高度相关的生物学标志物并且构建预测效果最佳的模型是当前面临的重要挑战。为了解决这个问题,本文选定肺腺癌组学数据为研究对象,提出了两种特征建模算法。第一种算法,是基于转录组数据预测患者生存预后的多步骤特征建模算法。以生存期3年为阈值划分正负样本。从TCGA数据库中下载数据并进行清理和归一化,先使用fold-change法和学生t检验法对基因进行初步过滤,然后使用SFMC方法选出质量较高的特征集。接下来使用引入基因相关性调控网络调节权重的递归特征清除算法对上一步选出的特征集进行更精准的特征基因选择,当基因数目为48时获取了最佳的基因集,最后使用改进的动态更新SFFS算法进行特征去冗余操作。最终,我们得到了当预后模型为线性支持向量机时,分类性能为AUC=0.98,ACC=0.92,数目仅有45个的基因集合。此外,对该基因集进行功能分析、通路分析、生存分析、靶基因调控分析等多种生物信息学分析,证明了本文提出的算法可以用于临床指导和疾病机制探究。第二种算法,是基于多组学数据预测肿瘤分期的多步骤特征建模算法。实验中使用了肺腺癌患者的转录组数据集、甲基化数据集以及两者的早期整合数据集。该算法充分考虑了肿瘤分期标签的连续性和有序性,将回归算法与分类算法相结合。流程如下:首先将三分类任务分解成六个二分类任务,然后对每一个二分类分别使用L1正则化方法,选择稀疏训练后不为0的特征,接下来采用嵌入回归模型的SFMC方法,同时考虑子集的分类与回归性能,使用R~2和ACC的乘积作为评价指标,选出6个最佳特征集并将其合并,在并集上执行递归特征清除算法,得到最优特征集后使用SBS算法进行特征去冗余。实验结果证明该算法能在几十万维特征中选取与肿瘤分期密切相关的标志物集合。在多组学整合数据集中,可以得到特征数目为182,逻辑回归模型上多分类性能为ACC=0.925,BACC=0.86,KAPPA=0.80的标志物集合。在转录组数据中,可以得到特征数目为157,ACC=0.924,BACC=0.79,KAPPA=0.75的标志物集合;在甲基化数据中,可以得到特征数目为128,ACC=0.9956,BACC=0.9708,KAPPA=0.9665的甲基化标志物集合。并且我们还对甲基化标志物进行突变分析和通路分析,同样证明选出的标志物集合参与了肺腺癌疾病发展过程,具有一定的生物学意义和临床指导意义。以上两种算法,都是适用于患者基因表达数据集,筛选标志物并预测某一重要预后指标的算法。它们都具有预测标签随着病情的程度加重渐近式变化、同时受多个基因特征影响且基因之间彼此协同促进或相互抑制的特点。两种算法在各自的任务中均取得较好的结果,说明充分利用基因之间潜在的互作关系,考虑到预测指标在生物信息学上的连续性特征,可以提升生物标志物的相关算法性能。