乳腺癌严重危害着女性的健康,其在女性恶性肿瘤中发病率较高。乳腺癌的发生和发展较为复杂,当前尚不能完全明确其发病因素,且存在不少争议。传统的病理检查方法如体格检查、乳腺摄片或CT、超声或MRI检查等不足以预测乳腺癌的治疗结果,且依赖于医生的主观判断。而乳腺癌是多基因参与、多步骤发生的恶性肿瘤,基因表达谱的不同会导致乳腺癌具有不同的生物学特征。对病人的预后来说,内在的基因表达具有很大影响,因此从分子生物学上研究其发病机制具有重要意义。通过对乳腺癌患者复发风险的预测,高风险标记的肿瘤患者可以从辅助治疗中获益,而低风险标记的患者可免遭不必要的治疗。本文分别对ER+乳腺癌和ER-乳腺癌的基因芯片数据进行分析。在对数据预处理后,采用单因素Cox比例风险回归模型初步筛选基因,通过筛选出的基因计算每例患者的风险分数并进行低风险标记组与高风险标记组的分类,然后进一步使用LASSO方法对基因进行筛选,将这些基因应用于生存树方法对患者进行预测和分类,Kaplan-meier曲线及对数秩检验对分类结果的检验显示两组患者低风险标记组与高风险标记组的未复发率差异显著。为了证明结果的有效性,本文使用测试集样本进行了验证。在最后建立关于ER+和ER-乳腺癌的分类模型,首先采用单因素Logistic回归进行基因的初步筛选,然后使用随机森林方法进行分类。在使用测试集样本对模型进行验证时,其分类正确率达到93.75%。本文的模型在对ER+乳腺癌与ER-乳腺癌复发风险高低的分类中具有良好的预测效果,分别寻找到5个与ER+和ER-乳腺癌复发相关的基因。同时,所筛选出的基因部分已被相关文献报道过,表明其确实与乳腺癌的发生和发展密切相关,其它基因尚需进一步的实验来验证其在乳腺癌中发挥的作用,以对患者进行针对性的治疗。在对ER+与ER-乳腺癌患者的分类中,正确率也较高,证明了我们所使用模型的有效性。