随着生物芯片以及高通量测序技术的发展和广泛应用,生物组学数据爆炸性增长。其中,伴随着转录组数据的积累和相关公共数据库的建立,基因表达数据的研究日益增多。然而,基于转录组的研究通常存在样本量小、维数高等问题,使得结果的统计意义不足。为了提高研究结果的可重复性,研究者通常收集不同研究的原始数据进行整合荟萃分析(meta-analysis)。研究表明,通过基因表达数据的荟萃分析得到的生物标志物(尤其是癌症诊断和预后的基因标志物)具有很好的临床转化潜力。但是,现有荟萃分析方法并没有充分考虑基因表达数据的生物学信息,因此所发现的生物标志物在独立验证数据中的预测效果不佳。为了克服现有荟萃分析方法用于生物标志物发现中存在的缺点,本课题对基因表达数据的荟萃分析方法展开研究,在荟萃分析中充分考虑基因表达数据的内在生物学信息。论文以肺癌基因表达数据的荟萃分析为例,整合来自多个研究的肺癌组织的基因表达数据,开发新的荟萃分析方法从肺癌基因表达数据中寻找用于肺癌分型和预后预测的生物标志物。首先,论文构建了基于生物通路(Biological pathway)的荟萃分析方法并应用于肺癌基因表达数据,寻找用于肺癌分型和预后预测的基因标志物。其次,论文探索基于降噪自编码器(Denoising autoencoder)的基因表达荟萃分析方法,同样应用于肺癌基因表达数据发现肺癌分型和预后预测的生物标志物。最后,论文比较了新的荟萃分析方法与现有的基于组合效应量和机器学习方法分析策略的荟萃分析方法的优劣。本课题探索并建立了新的基因表达数据荟萃分析的方法和流程,通过对肺癌组织基因表达数据的分析得到了相对可靠的肺癌分型和预后预测的基因签名,为肺癌分子标志物的寻找提供了新思路,也为基因表达数据荟萃分析提供了新策略。