当前生命科学、临床医学、医药、及生物信息领域都重点关注生物标志物的研究。生物标志物对临床诊断及预后分析、新药物研制等具有明确的指导作用。从组学研究的角度一般利用分类和统计推断技术来差异表达基因等信息,寻找可能的风险因素。从人工智能的角度一般以知识库的构建为目标挖掘并结构化文献中的海量知识。基于模式驱动方法论的理念,本文设计开发了基因标志物的表达谱验证分析及知识库系统,主要工作内容有以下三个方面:(1)研究了基因标志物的生存分析技术,基于基因表达谱及含有删失数据的临床医学注释分析了基因表达对样本观测的生存时间的影响。利用基于Log-Rank检验的生存分析方法以最小P值为标准确定了基因表达的最优阈值进行风险组的划分。因为涉及到多重检验,所以利用不同的方法对最小P值进行校验。利用Cox比例风险模型直接验证基因表达对生存时间是否有显著的影响。(2)分析了如何用资源描述框架RDF(Resource Description Framework)描述基因标志物的知识信息,以及把RDF信息映射到有向属性图模型,分析了基因标志物知识库所需要的目标信息。分析了源数据服务器的Web页面的模板结构,设计并实现了基因标志物信息提取工具,提取了OMIM数据库及Geneards数据库中相关的基因标志物的信息。(3)设计开发了基因标志物的验证分析及知识库系统,预处理了一批基因表达谱及临床注释数据,开发了基因标志物的知识库,设计并实现了基因标志物验证结果及检索信息的可视化。