El Análisis Discriminante Cuadrático (QDA) es un método de clasificación bien conocido y flexible que considera las diferencias entre grupos basadas en las estructuras de media y covarianza. Sin embargo, las estructuras de conexión de predictores de alta dimensionalidad generalmente no se incorporan explícitamente en el modelado. En este trabajo, proponemos un método de QDA guiado por redes locales que integra las estructuras de conexión locales de predictores de alta dimensionalidad. En el contexto de la investigación de expresión génica, nuestro método puede identificar genes que muestran niveles de expresión diferencial, así como redes génicas que presentan diferentes patrones de conexión entre varios grupos de estados biológicos, mejorando así nuestra comprensión de los mecanismos biológicos subyacentes. Simulaciones extensas y aplicaciones de datos reales demuestran su rendimiento superior tanto en la selección de características como en la clasificación de resultados en comparación con los métodos de análisis discriminante comúnmente utilizados.