缠绕 Twiner是基于网络的正则化参数，基于两个数据集之间的相关性模式。 在本研究中，它被用来促进与DNA微阵列和RNA测序表达值数据相关的特征的选择。 两个平台中的基因之间的相关性越高，与其相关的惩罚项越低。 Twiner代码文件包含： 用于GEO研究的微阵列数据采集 微阵列预处理步骤-分位数归一化 用于微阵列研究的数据集成-ComBat用于批次校正 用于TCGA研究的RNA测序数据采集 RNA测序跨平台与微阵列整合-分位数归一化 带有稀疏逻辑回归的分类模型：6.1。 弹性净罚分6.2。

基于微阵列数据的肿瘤诊断方法有望在不久的将来成为临床医学上一种快速且有效的分子层肿瘤诊断方法,但由于微阵列数据存在高维小样本的特点,因而对传统的分类方法提出了挑战,为此研究人员开始关注于性能更好的集成分类算法.针对现有的微阵列数据集成分类算法分类精度不高、计算量过大等问题,提出了一种基于相关性分析的微阵列数据集成分类算法.该算法可以通过计算训练子集间的相关性挑选出差异度最大的一组子集来进行训练,有效地增强了集成中的多样性.应用支持向量机作为基分类器,在急性白血病与结肠癌数据集上的实验结果表明了所