背景:长链非编码RNAs(lncRNAs)是肿瘤免疫微环境的重要调节剂,并且,lncRNAs可以通过lncRNA-TF-gene调控网络参与转录调控。目的:本研究通过分析肾透明细胞癌(ccRCC)中差异表达并与免疫相关的lncRNAs,寻找与ccRCC诊断和预后密切相关的生物标志物,并结合患者临床特征构建预后模型。方法:这项研究通过从癌症基因组图谱(TCGA)中提取了 ccRCC的高通量测序数据,结合LncMAP数据库及ImmPort数据库,筛选出被认为可能与肿瘤免疫相关的差异表达的lncRNAs。使用单变量Cox回归分析初步评估了lncRNAs的预后意义,经LASSO Cox回归进一步筛选与预后相关的lncRNAs,再由多因素Cox回归分析计算回归系数,风险评分公式计算患者风险评分,并将ccRCC患者分为高风险组和低风险组。其中TCGA数据集的样本分为训练集和测试集,分别用于构建和验证预后风险模型。结果:CTA-384D8.34,CTD-2035E11.5,FIRRE 和 RP11-348J24.2 的表达与肿瘤的T分期,转移,临床分期和病理分级均有相关(P<0.05),基于4-lncRNA风险评分显示出对ccRCC患者较高的预后价值。此外,我们根据风险评分将病例分为两组(高风险组和低风险组)。K-M生存曲线表明,高风险组患者总体生存率较低风险组显著降低(P<0.001)。CD8+T细胞与患者不良预后相关,高风险组患者具有较高的免疫细胞评分(P<0.05)。风险评分预测的训练集患者3年、5年及7年总体生存率的ROC曲线下面积分别为0.748、0.781、0.749。而且,在测试集和整组集合中,风险评分也表现出对患者总体生存率良好的预测性能。风险评分和肿瘤临床分期是ccRCC患者的独立预后因素,并且在三个集合中,风险评分对患者总体生存率预测的ROC曲线下面积均最大,其次分别为肿瘤分期、年龄和肿瘤病理分级。以这4个因素构建预后模型并绘制了列线图,在训练集中,ccRCC患者3年、5年和7年总体生存率的ROC曲线下面积分别为0.791、0.809和0.767,同样,预后模型对ccRCC患者的预测价值在测试集和整组集合中得到了验证。三个集合的校准图显示出模型对患者生存率的预测概率和实际概率之间良好的一致性,实际生存与预测生存密切相关。结论:我们开发了一个包含患者年龄、肿瘤病理分级、肿瘤临床分期及4个lncRNA风险评分等多个预测指标在内的预后模型,并且可能能够预测患者预后,这可能有助于患者咨询和对不同患者的个性化管理。此外,这4个lncRNAs具有作为ccRCC的新型预后生物标志物的潜力。