摘要乳腺癌是一种威胁生命的疾病，具有严重的健康影响。它是基于受体分类的，包括雌激素受体（ER）和人表皮生长因子受体2（HER2），这是我们从从功能基因组储存库中获得的数据分析的本研究的重点。登录数为E-GEOD-52194，E-GEOD-75367和E-GEOD-58135，以及这些癌症受体子集的分子细节。遵循预先确定的计算管道后，我们识别了369个基因，这些基因在ER阳性（ERÞ）和HER2阴性（HER2-）乳腺癌的情况下具有不同的基因表达pro纤维模式。支持向量机（SVM）和机器学习的决策树模型用于评估预后和诊断意义。的准确性，敏感性和特定的林区，以评估这些模型的有效性。然后，进行了网络分析，以评估HER2-和ER乳腺癌发展的显着生物过程和信号传导途径。本研究促进了对这些乳腺癌子类别的增强方法，因此可以进行精确的诊断，并可以提供更好，更专注的治疗计划。当前的研究提供了有关ER er和HER2-乳腺癌的分子和遗传基础的有价值的信息，并具有改善患者治疗的巨大潜力。