背景：基因表达谱分析技术已逐渐成为临床应用的社区标准工具。 例如，已经对基因表达数据进行了分析，以揭示新的疾病亚型（类别发现），并将特定样本分配给定义明确的类别（类别预测）。 在过去的十年中，已经针对个人应用提出了许多有效的方法。 但是，仍然迫切需要一个可以揭示样本之间复杂关系的统一框架。 结果：我们提出了一个新颖的凸优化模型，以在统一的框架中执行类发现和类预测。 设计了一种有效的算法，并开发了名为OTCC（用于聚类和分类的优化工具）的软件。 在模拟数据集中的比较表明，我们的方法优于现有方法。