由基因芯片可以获得大量的基因及其相互作用的信息。对基因表达谱数据进行分析，主要问题是基因数量巨大，有意义的基因表达信息被大量噪声所淹没，且基因表达信号具有非常复杂的特性，在研究不同组织或病理类型的基因表达差异时，传统的统计分析方法失效。本项目拟基于小波变换理论，在保持数据整体统计特征同时，利用多尺度或多分辩级算法对数据作适当的变换和分解，揭示局部方面的重要统计特征，从而降低数据的不确定性和复杂性。具体内容包括：基于小波变换的多个独立样本及配对设计差异基因的多尺度统计模型的建立；基于小波变换和神经网络的优化分类器建立的方法；基于小波变换的多基因疾病相关基因的大范围并行搜索算法；样品小波变换聚类方法，包括用"差异基因"聚类和对压缩数据聚类；相关基因的小波变换聚类方法；研制相应的基因表达谱统计分析软件。本研究可以为功能基因组学研究建立一套新的数据分析模型和统计方法，并提供一种全新的统计思路。