随着人类基因组计划取得的发展,对生命现象的科学研究也受到了人们的广泛关注。它既是研究各种生命活动的现象和本质,又研究生物之间、生物与环境之间的相互关系。其中代谢组学的研究,使人们能够从代谢物质和代谢途径上了解代谢的机制并且找出某些疾病的原因,提供预防与诊断治疗的措施。提取生物标记物是一研究的重点和难点,备受研究人员的关注。 近几年来,数据挖掘技术广泛应用在数据预处理阶段的数据分析方法中。在特征选择的评价准则中,互信息是能够用来衡量两个变量之间的关系的信息度量方法。相比于其他的特征评价准则,它对训练数据的离散值不敏感,且不容易受噪音数据的影响,更具健壮性。近几年来,数据挖掘方面的研究专家对互信息为基础的特征选择进行了大量的研究。在本文中,在动态互信息的基础上,结合mRMR和动态样本空间,并提出了新的特征选择方法；在能提高分类性能的特征中,优先选择具有最大的mRMR值的特征。为了验证算法的有效性,在本文中使用5个公共数据集跟现在比较常用的特征选择方法进行了比较,各项参数表明本文改进的方法在准确率和AUC值上都取得了比较好的效果。 最后,在本文中将该算法应用到老鼠患者肝癌的代谢组学数据中,从中提取肝癌标记物。实验结果表明改进的算法所提取的特征所建的分类模型分类效果比较不错,且不存在过拟合现在。同时,对提取的部分特征做了统计学分析,结果表明改进的算法提取的特征具有生物学意义。因此,本文改进的特征提取方法是一个好的特征选择方法。