تحقیقات وسیعی جهت تشخیص بیماری سرطان با بکارگیری داده‏ های بیان ژنی از طریق کاربرد روش‏های مهندسی از جمله هوش مصنوعی در دو دهه اخیر انجام شده است. یکی از مشکلات مهم در بکارگیری داده‏های بیولوژیکی وجود نویز بر روی این داده‏ها است. این امر بر اثر وجود خطا در هنگام جمع آوری این داده‏ها ممکن است رخ دهد. می‏توان با کمک روش‏های هوش مصنوعی این بیماری را در مراحل اولیه که هنوز بصورت غیر قابل کنترل بروز نکرده است تشخیص داده و اقدامات لازم را جهت جلوگیری از رشد آن انجام داد. تشخیص بیماری سرطان در مراحل اولیه به کاهش مرگ و میر و کاهش هزینه های ناشی از درمان کمک شایانی خواهد کرد. در این نوشتار ابندا به کمک روش بردارهای ویژه و روش ترکیبی خوشه‏بندی و استخراج بردارهای مستقل به نویززدایی این داده‏ها پرداخته شده است، سپس ویژگی های برتر به روش pca انتخاب گردیده اند. انواع مدل های هوشمند و کلاسیک از جمله شبکه های عصبی مختلف، بردار ماشین پشتیبان، knn و mmd بر روی داده ها با روش اعتبارسنجی ضربدری 10تایی تست و نتایج آنها با یکدیگر مقایسه و تحلیل شده است.