Consideramos el biclustering que agrupa tanto muestras como características y proponemos procedimientos de biclustering convexo eficientes. El procedimiento de algoritmo de biclustering convexo (COBRA) resuelve dos veces el problema estándar de agrupamiento convexo que contiene una optimización de función no diferenciable. En cambio, convertimos el problema de optimización original en uno diferenciable y mejoramos otro enfoque basado en el método del Lagrangiano aumentado (ALM). Nuestro método propuesto combina los procedimientos básicos en el ALM con el método de descenso de gradiente acelerado (método de gradiente acelerado de Nesterov), que puede alcanzar una tasa de convergencia. Solo utiliza información de gradiente de primer orden, y la eficiencia no se ve tan influenciada por el parámetro de ajuste. Esta ventaja permite a los usuarios iterar rápidamente entre los diversos parámetros de ajuste y explorar los cambios resultantes en las soluciones de biclustering. Los experimentos numéricos demuestran que nuestro método propuesto tiene una alta precisión y es mucho más rápido que los algoritmos actualmente conocidos, incluso para problemas a gran escala.