傳統的腫瘤指標篩檢方法，往往靈敏度、普及度及特異性有限，無法得到正確、即時的診斷結果。現今癌症的研究，則透過蛋白質體學經由光譜及影像觀察癌症不同時期的蛋白質表現變化，期望未來得以發展較佳之診斷工具。本研究中主要針對兩組攝護腺癌症病人之蛋白質質譜資料，此資料應用蛋白質晶片與表面強化雷射解吸電離飛行質譜技術（SELDI-TOF-MS）收集而來。我們的研究目的在於從大量的蛋白質特徵中篩選出一群有助於分類的蛋白質特徵變數。我們提出以最小分錯率特徵選取法與最小p值（ 檢定、Kruskal-Wallis檢定）特徵選取法進行初步特徵辨識度排序以及選取，並進一步發展出k-mean萃取法、最大相關係數萃取法與判定係數萃取法以改善變數間嚴重的共線性問題。我們利用支援向量機（Support Vector Machine）方法進行分類並評估分類效果，在不同的分類目的下萃取有助於辨識的蛋白質特徵，以決定最佳特徵集合。研究發現運用最小分錯率特徵選取法與最小p值分錯率特徵選取法，輔以判定係數萃取法，在各分類目的下皆有良好表現，為較佳的特徵選取方式。