乳腺癌是发生在乳腺腺上皮组织的恶性肿瘤,居女性恶性肿瘤的第一位,乳腺癌信息的存储和预判具有重要意义。mRNA和乳腺钼靶X线摄影成像能够对乳腺癌进行早期诊断。本文对乳腺组织数据依次做了存储、因子筛选与分类,形成一套完整的存储与分析的流程。基于乳腺癌组织和正常组织的mRNA表达水平数据和乳腺钼靶X线摄影成像,将乳腺组织信息以基因的信息存储在试管中。将数字信息转化为三进制基因编码,首尾相连地将长链基因分割为基因片段,并添加前引物、后引物和纠错位。考虑到一个信息存储试验管的“不安全性”,本文采取了分布式的存储方法。将信息存储在若干个试管中,依照同余数错位剔除信息的方法提出每个试管中的一点信息,这样只有在所有试管都存在的时候才能够恢复原始信息。添加一定的人为扰动后,通过基因池中的基因序列逐相对比可以恢复为原来的信息。进行计算机模拟,发现错误率非常低,鲁棒性高且安全性强。利用乳腺组织的开源数据集——来自不同乳腺组织的mRNA表达数据进行拓扑数据分析,用线性判别方法进行降维。构建1133维mRNA数据的单纯复形及其链复形,计算其边界算子寻找链复形的所有边缘,计算化简后的边界算子的秩的差得到了 Betti数及其拓扑特征。比较癌症组织和正常组织的Betti数和拓扑特征,寻找癌症组织的持续同调条形码大于特定参数的同调群,寻找到上述若干个同调群对应的共计53个mRNA,发现有43个能够得到文献支持,准确率高达81.13%。基于筛选出来的拓扑靶标数据,对乳腺组织做分类应用。基于决策树方法、kNN方法、随机森林方法、Adaboost方法和GBDT方法进行乳腺组织的分类,得到的准确率分别为0.975、0.75、1.0、1.0、1.0,可以发现随机森林方法、Adaboost方法、GBDT方法在mRNA表达数据集上的分类效果较佳。而深度神经网络算法由于无法有效提取一维数据的特征,分类效果不显著。本文以基因的方式存储了医疗数据,通过持续同调方法筛选得到了疾病靶标,并为早期诊断提供了依据。