本书围绕智能计算在高维组学数据分析中的理论与方法展开研究，系统综述高维组学数据特征及智能计算研究进展并分析现有方法局限，针对高维小样本问题研究基于深度学习的特征选择与降维方法，针对变量间复杂关联构建基于图神经网络的多组学整合分析模型，针对模型可解释性需求探索注意力机制与进化计算相结合的生物学知识嵌入策略，在TCGA等公共数据集及真实临床数据上验证方法有效性并开发可复现的分析工具。研究成果可为高维组学数据分析提供方法支撑，具有重要的理论创新价值和广泛的生物医学应用前景。