癌症的早期诊断与及时治疗是提高癌症患者生存率的最有效途径。但癌症的早期诊断一直是困扰医务人员及相关科研人员的难题。肺癌是当前世界最常见、致死人数最多的恶性肿瘤之一，其发病率、增长速度亦高居各恶性肿瘤之首。肺癌早期症状不明显，目前临床一般通过X射线透视、计算机体层扫描等影像学检查及液体活检等手段，但往往确诊时，患者已经发展到中晚期。由于癌症是一种由于细胞受到致癌因素影响发生基因突变所导致的疾病。正常细胞与癌细胞的基因表达存在差异，因此找到标志着细胞癌变的差异表达基因(标记物)，可以作为癌症早期诊断的有效手段。随着高通量测序技术的快速发展及测试价格的下降，获得大量基因表达数据已不是难题。然而如何从庞大且复杂的基因表达数据中提取出癌症相关基因，对现有的数据处理和分析方法提出了挑战。而化学信息学恰恰是一个非常有效的解析途径。已有基于化学信息学方法结合基因表达数据建立偏最小二乘判别分析、支持向量机的模式识别(分类)模型，用于重要特征变量的筛选和癌症的识别。

G矩阵元素绝对值的平均值为 定义筛选阈值K，当 时，对应的mRNA被保留带入ULDA模型继续计算，记录诊断准确度。不断提高筛选阈值以减少mRNA保留数量并更新肺癌诊断ULDA模型，直到诊断准确度开始下降。诊断准确度为100％时，筛选出的最少数目的mRNA被确定为诊断肺癌的特征mRNA。