目前,全球女性患乳腺癌的比例越来越高,严重影响了女性的身心健康。尽管这几年对乳腺癌的诊断和治疗方案上都有所提高,但仍会有近一半的乳腺癌患者会因复发而导致死亡,使得乳腺癌患者的生存率得不到有效提高。因此,为了改善乳腺癌患者的临床治疗效果,降低其死亡率,有必要从分子机制上研究并建立乳腺癌的预后模型。针对乳腺癌基因表达量数据样本少而基因多这一特征以及基因之间复杂的关系,提出了一种对条件关联互补基因分组的筛选方法,然后对每一组进行逐步Cox回归,确立最终的乳腺癌预后模型。首先对数据集进行预处理及差异分析,选出在癌症样本中显著差异表达的基因,为特征的筛选节约时间;其次对显著差异表达基因中的条件关联互补基因进行筛选并分组,对每一组基因分别在训练集中使用逐步Cox回归拟合,在测试集中进行验证,确定了一个含有10个基因的乳腺癌预后模型。其中VWCE、SPDYC、CRYBG3、DEFB1、SEL1L2、NMNAT2这6个基因属于生存率的不利因素,AMZ1、GJB2、CXCL2、ALDOC这4个基因属于生存率的有利因素。通过对这10个基因建立贝叶斯网络结构,还确定了一个重要基因模块。为检验预后模型的有效性,分别计算训练集、测试集及整体数据集中的乳腺癌患者的风险评分,并依据训练集中风险评分的中位数将三个数据集的样本分为高、低风险组,依次绘制K-M生存曲线,K-M生存分析显示这两组的生存曲线显著不同,且通过了对秩数检验,P值都分别小于0.05;其次,为了评估这10个基因预后模型的准确率,计算出模型评估指标C-index值等于0.81,还分别对训练集、测试集绘制了5年和10年的时间依赖性ROC曲线,最终计算的AUC值均可达0.7以上。实验结果表明采用对关联互补基因建立乳腺癌预后模型的方法,能够很好的对高维数据进行降维,消除基因与基因之间的共线性问题,提高了模型建立的速度与精度,建立的模型是稳健的并且具有可解释性,由10个基因所建立的预后模型可以对患者的临床预测提供帮助。