在分子生物學領域，基因表達譜是同時測量數千個基因的活性（表達），以創建細胞功能的全局圖。 例如，這些概況可以區分活躍分裂的細胞，或顯示細胞對特定處理的反應。 許多此類實驗同時測量整個基因組，即特定細胞中存在的每個基因。

幾種轉錄組學技術可用于生成必要的數據進行分析。 DNA 微陣列測量先前確定的目標基因的相對活性。 基于序列的技術，如 RNA-Seq，除了提供基因表達水平外，還提供有關基因序列的信息。

表達譜分析是基因組測序后合乎邏輯的下一步：序列告訴我們細胞可能做什么，而表達譜告訴我們它在某個時間點實際做什么。 基因包含制造信使 RNA (mRNA) 的指令，但在任何時候，每個細胞都只從其攜帶的一小部分基因中制造 mRNA。 如果一個基因被用來產生 mRNA，它就被認為是開啟的，否則就是關閉的。 許多因素決定了一個基因是開啟還是關閉，例如一天中的時間、細胞是否在活躍分裂、其局部環境以及來自其他細胞的化學信號。 例如，皮膚細胞、肝細胞和神經細胞開啟（表達）有些不同的基因，這在很大程度上使它們與眾不同。 因此，表達譜允許人們推斷細胞的類型、狀態、環境等。

表達譜實驗通常涉及測量在兩種或多種實驗條件下表達的 mRNA 的相對量。 這是因為特定 mRNA 序列水平的改變表明對 mRNA 編碼的蛋白質的需求發生了變化，可能表明體內平衡反應或病理狀況。 例如，更高水平的乙醇脫氫酶 mRNA 編碼表明正在研究的細胞或組織對其環境中增加的乙醇水平有反應。 同樣，如果乳腺癌細胞比正常細胞表達更高水平的與特定跨膜受體相關的 mRNA，則可能是該受體在乳腺癌中起作用。 干擾該受體的藥物可以預防或治療乳腺癌。 在開發一種藥物時，人們可能會進行基因表達譜分析實驗以幫助評估藥物的毒性，也許是通過尋找細胞色素 P450 基因表達水平的變化，這可能是藥物代謝的生物標志物。 基因表達譜可能成為一項重要的診斷測試。

人類基因組包含約 25,000 個基因，這些基因協同工作可產生約 1,000,000 種不同的蛋白質。 這是由于可變剪接，也因為細胞在首次構建蛋白質后通過翻譯后修飾對蛋白質進行重要改變，因此給定基因可作為特定蛋白質許多可能版本的基礎。 無論如何，一次質譜實驗可以識別大約 2,000 種蛋白質或總數的 0.2%。 雖然了解細胞產生的精確蛋白質（蛋白質組學）比了解每個基因產生多少信使 RNA 更重要，但基因表達譜分析可在單個實驗中提供最全面的圖像。 然而，蛋白質組學方法正在改進。 在其他物種中，例如酵母，可以在一個多小時內識別出 4,000 多種蛋白質。

有時，科學家已經對正在發生的事情有了一個想法，一個假設，并且他或她進行了一個表達譜分析實驗，其想法可能會反駁這個假設。 換句話說，科學家正在對可能被證明是錯誤的表達水平做出具體預測。

更常見的是，表達譜分析發生在對基因如何與實驗條件相互作用以存在可檢驗假設的足夠了解之前。

沒有假設，就沒有什么可反駁的，但表達譜分析可以幫助確定未來實驗的候選假設。 大多數早期的表達譜實驗和許多當前的實驗都具有這種稱為類發現的形式。 一種流行的類發現方法涉及使用許多現有的聚類方法之一將相似的基因或樣本分組在一起，例如傳統的 k-means 或層次聚類，或最近的 MCL。 除了選擇聚類算法外，用戶通常還必須在數據對象之間選擇合適的鄰近度量（距離或相似性）。 上圖表示二維集群的輸出，其中相似的樣本（上圖的行）和相似的基因探針（列）被組織起來。