随着人们在日常生活中与有害物质的接触越来越频繁,癌症的发病率也逐渐增高。在这个大数据时代,如何在错综复杂的数据中选取有效的部分,变得十分重要。由于统计学习方法能够更好的挖掘出有用的信息,这使得它成为十分重要的研究内容。本文的研究对象为MD Anderson的一组乳癌细胞MDA-MB-231所扫描的反时相蛋白质阵列(RPPA)和细胞增殖数据。通过这些数据对线性回归、支持向量机(SVM)和随机森林模型(RF)分别进行训练,从而找到控制乳癌细胞增殖的关键蛋白质。最终把这些关键蛋白质作为癌症药物的潜在靶标。本文使用的数据波动性较大,为减少这些数据对统计效能产生的影响,首先对RPPA进行数据预处理。然后将预处理过的RPPA作为输入数据,细胞增殖作为输出数据,分别对线性回归、SVM和RF进行训练,其中在线性回归模型的应用中,提出并使用了主成分分析(PCA)与线性回归模型相结合的方法。最后通过比较三种模型的结果,得到了既具有较高精确度、又能够筛选出具有关键影响力的蛋白质组合的模型。本文结果表明,线性回归模型精确度高,SVM模型能筛选出对乳癌细胞增殖起关键作用的蛋白质组合,而RF在这两方面表现都非常好。最后,利用RF对RPPA进行分析,得到28种对乳癌细胞影响较大的蛋白质,查找文献可知,确认其中21种对乳癌细胞增殖有很大影响。