در گذشته مطالعات متعددی برای پیدا کردن mrna های با بیان متفاوت بین نمونه های نرمال و سرطانی صورت گرفته بود اما تحقیقات گسترده در سالهای اخیر نقش mirna ها را در رشد، مرگ برنامه ریزی شده، تمایز و تکثیر سلولی مشخص کرده و عملکرد مستقیم mirna در سرطان را نیز تأیید می نماید. ساختار mirna ها و نحوه عملکرد آنها نشان می دهد که بسیاری از mirna ها در نمونه های سرطانی به صورت غیرطبیعی بیان می شوند. بنابراین mirna ها به طور گسترده ای به عنوان بیومارکرهای تشخیصی، درمانی و پیش بینی کننده های پاسخ های دارویی مورد مطالعه قرار گرفته اند و در نتیجه تکنولوژی های متفاوتی مانند microarray به دلیل اهمیت تعیین پروفایل بیان mirna ها گسترش یافته اند که توانایی ایجاد پروفایل با حساسیت و بازدهی بالا را دارند. هدف از تعیین پروفایل بیان mirna، کشف مولکول های mrna خاص تنظیم شده توسط هر یک از مولکولهای mirna، تحت شرایط محیطی متفاوت می باشد. لذا با توجه به ضرورت تعیین پروفایل بیان mirna، پژوهش حاضر با هدف آشنایی با مراحل کلی کار و نرم افزارهای مورد استفاده برای تعیین mirna های با بیان متفاوت، روشهای تحلیل داده های خام ریزآرایه و تبدیل مراحل کلی به قالبی تعمیم پذیر برای پیاده سازی بر روی کلیه داده های خام با شرایط و پارامترهای مشخص، شکل گرفته است. در این قالب و الگوی کلی برای پیش پردازش داده های حاصل از ریزآرایه از روشهای متفاوت پیش پردازش و از جمله نرمالسازی استفاده می شود و سپس بهترین روش پیش پردازش با استفاده از استراتژی های مقایسه ای متعدد انتخاب می گردد که می توان انتخاب بهترین روش پیش پردازش از بین روشهای متفاوت را مزیت استفاده از این الگو دانست. زیرا بر اساس فرضیات مختلف بیولوژیکی یا آماری درباره توزیع داده ها و یا نحوه طراحی آزمایش روشهای نرمالسازی متعددی برای ریزآرایه های بیان ژنی با دهها هزار پروب یا بیشتر پیشنهاد شده است. اما فرضیات معمول برای این روشها در مورد ریزآرایه های mirna با تعداد کم پروب صادق نبوده و بنابراین دقت و ریزبینی بیشتری برای تعیین روش پیش پردازش بهینه برای آرایه های mirna مورد نیاز است. پس الگوی کلی به گونه ای بیان شده است که قابلیت اعمال روشهای مختلف و سپس انتخاب بهترین روش پیش پردازش را فراهم کرده است و قیاس معنی دارتری را نتیجه می دهد. به منظور بررسی نحوه عملکرد الگوی پیشنهادی، کلیه مراحل بر روی دو دسته داده بدست آمده از دیتابیس پیاده سازی و اجرا شد و در نهایت ژنهای با بیان متفاوت مشخص گردید. سازگاری نتایج بدست آمده با نتایج آزمایشگاهی موجود در منابع نشان می دهند که اعمال الگوی کلی و تعیین بهترین روش پیش پردازش و از جمله نرمال سازی می تواند در بدست آوردن نتایج صحیح موثر باشد.