本文综述了基因表达分析中的统计和计算工具，重点讨论数据预处理、特征选择和癌症分类方法。研究提出了基于信噪比的特征选择和自编码器评分的新算法，显著提高了癌症分类的准确性。此外，进化优化集成学习框架在基因表达数据分类中表现优异，为个体化医学提供了有效工具。

该文综述多种生物医学数据特征选择与分类方法，包括模糊基因选择、Spearman过滤、Frobenius范数、多目标粒子群、WPFS网络及RoboSS损失，应用于癌症分类和GWAS分析，并比较乳腺癌预后方法，发现简单t检验常最优。