在癌细胞区别于正常细胞的诸多特征中,代谢异常是人们关注的重点。全基因组范围的代谢网络在很大程度上帮助我们理解这一系统水平上的复杂疾病。流平衡分析是最常见的代谢网络研究手段,其主要目的是求出在满足某一优化目标的情况下,系统可能的流分布^[1]。癌细胞优化目标,也就是流平衡分析的目标函数,目前还没有公认的结论。通常说来,生物体要同时完成多个任务才能达到最适的进化状态,而一个给定的表型又无法在所有任务上达到最优,所有可能的表型处于帕累托前沿上,顶点代表其中一个任务完成最优的情况^[2]。帕累托任务推断算法可以通过高维生物学数据,找到描述这些数据的帕累托前沿^[3],再通过进一步分析,推断顶点的具体含义。本文利用这一算法分析了乳腺癌细胞的代谢相关的转录组数据,发现癌细胞有四个代谢目标,分别是生长增殖、能量产生、迁移以及维持氧化还原电位平衡。后续,还将进一步对这些代谢目标进行定量验证。