低级别胶质瘤（Lower-grade glioma,LGG）属于世界卫生组织Ⅱ级和Ⅲ级的脑肿瘤,是生长缓慢的原发性肿瘤,主要包括中度胶质瘤和弥漫性低级别胶质瘤/脑瘤。LGG的重要疗法之一是放疗。然而,因为每个患者对放疗的反应不同,致使部分患者在接受放疗后表现出辐射毒性。在这种条件下,寻找影响放疗疗效的关键因素至关重要,比如肿瘤的放射敏感性。预测患者放射敏感性的目的是确定对放射治疗敏感的人群,并最大限度地提高放射治疗的治疗效益。本研究旨在低级别胶质瘤中构建放射敏感性预测模型,为临床低级别胶质瘤的个性化治疗提供依据。研究目的:第一章,基于spike-and-slab lasso方法的低级别胶质瘤放射敏感性预测模型的开发与验证。在获得肿瘤微环境差异基因的基础上,采用spike-and-slab lasso Cox方法,构建并验证预测低级别胶质瘤的放射敏感性模型。为低级别胶质瘤的临床治疗提供新的见解。第二章,基于加权基因共表达网络分析（Weighted correlation network analysis,WGCNA）和lasso方法的低级别胶质瘤放射敏感性预测模型的开发和验证。放疗与缺氧之间的关系是复杂的。在低级别胶质瘤中还没有建立基于缺氧基因的放射敏感性预测模型。本研究尝试采用WGCNA和lasso方法建立基于缺氧基因的低级别胶质瘤放射敏感性预测模型。研究方法:在构建LGG放射敏感性模型之前需要筛选基因,本研究两部分基因选择的方式不同,具体而言:第一章是选择LGG患者肿瘤微环境的差异表达基因;第二章是采用WGCNA方法选择低级别胶质瘤的放疗模块相关的基因。构建模型的过程如下:分别在接受放射治疗的患者和未接受放射治疗的患者中进行Log-rank检验识别与放射敏感性相关的基因。以癌症与肿瘤基因图谱数据库（The Cancer Genome Atlas,TCGA）中数据作为训练集,在接受放射治疗的患者中分别使用spike-and-slab lasso和lasso方法筛选基因并构建放射敏感性模型。在构建预测模型后,将构建的两个模型在以无进展生存期（Progression-free survival,PFS）为结局的TCGA数据集,两个CGGA数据集（CGGA693、CGGA325）进行了验证。同时,本研究将风险评分与患者的临床指标进行结合,构建了列线图。采用ROC曲线对模型进行评价。使用净重新分类指数和整体鉴别指数对构建的两个模型进行了比较。研究成果:第一章,本研究构建了基于肿瘤微环境的基因的放射敏感性模型,该模型共纳入了3个基因（INA、LEPREL1和PTCRA）。训练集的1年、3年和5年生存率AUC分别为0.848（0.749-0.948）、0.794（0.720-0.869）和0.698（0.604-0.792）,能够将患者分为放射敏感组和放射抵抗组。第二章,本研究构建了基于缺氧基因的放射敏感性模型,放射敏感性模型共纳入了 12个基因,分别为AGK、ETV4、PARD6A、PTP4A2、RIOK3、SIGMAR1、SLC34A2、SMURF1、STK33、TCEAL1、TFPI、UROS。训练集的 1年、3年和5年生存率AUC分别为0.935（0.778-0.933）、0.856（0.778-0.933）和0.787（0.704-0.87）。放射敏感性模型显示了良好的区分能力。本研究还建立了结合年龄和肿瘤等级的列线图。净重新分类指数和整体鉴别指数分析表明,两个模型相比较的结果无统计学意义。研究结论:本研究分别从肿瘤微环境和肿瘤缺氧的角度建立并验证了放射敏感性模型。这两个模型都能够独立地预测LGG患者的放射敏感性。模型可用于临床医生和研究人员预测LGG患者的生存率,实现LGG患者的个性化治疗。