背景:近年来,随着科技不断发展与医疗技术不断完善,基因组学在我国得以迅速发展并于临床上广泛应用。大数据背景下,深入挖掘肿瘤生物信息使人们对癌症有了更多的了解,基于生信分析法筛选差异表达基因（differentially expressed genes,DEGs）已用于寻找胃癌中的潜在生物标志物。但现阶段由于临床样本量不足,研究得到的基因可能不准确。因此,探索有效的胃癌分子标志物已迫在眉睫。目的:基于生物信息分析方法,探索并筛选在胃癌中具有临床价值的DEGs并构建有效的预后风险评估模型。方法:此次研究主要从两个方面展开,第一,利用世界权威数据库GEO检索到7组胃癌基因数据集,并使用The R Programming Language中的“limma”包及稳健排序整合（robust rank aggregation,RRA）方法,依次在7组数据集中筛选DEGs,进行功能注释与富集分析。第二,利用多种生物信息分析学方法筛选关键基因（hub基因）,使用癌症基因组图谱（The Cancer Genome Atlas,TCGA）对上述关键基因的差异表达结果进行验证。使用比例风险回归（Cox）分析法建立预后风险模型,最后利用GEO中的GSE84433对上述模型的预后价值进行评估。结果:根据本研究第一部分得到的结果显示,利用RRA算法筛选到288个DEGs,其中135个显著上调,153个显著下调。表达上调基因显著和细胞粘附等生物学过程有关,并富集于P53等信号通路;表达下调基因在显著参与能量代谢与结合等功能的同时,发现其富集于多种物质代谢途径。第二部分中,基于第一部分的结果筛选出SPARC等11个关键基因,通过富集分析可知上述基因显著富集到PI3K-Akt等信号通路。随后采用多因素Cox风险比例回归模型,通过TCGA表达谱与病人预后生存信息,构建了基于7个基因的胃癌预后评估模型。受试者工作特征（receiver operating characteristic,ROC）曲线分析结果显示,此模型对胃癌患者的预后预测具有较高的准确性（AUC=0.802）。Kaplan-Meier（K-M）曲线示意图提示与高风险组相比,低风险组的总生存率明显较高（log-rank test P-value＜0.001）。高风险组和低风险组5年的生存率分别为10.9%和55.8%。最终采用GEO数据库中的GSE84433验证了此模型具有良好的预后评估价值。结论:（1）基于生物信息学分析方法,筛选出胃癌中288个显著的DEGs,其中135个显著上调、153个显著下调。（2）上调表达基因显著参与细胞粘附、黏着以及细胞骨架活动等生物学过程,而下调表达基因涉及各物质代谢以及糖酵解途径。（3）根据前期筛出的DEGs,采用HIPPIE数据库,结合Fisher精确检验,获取到hub基因11个,这些基因在ECM受体互作、黏着斑、癌症蛋白聚糖等通路显著富集。（4）通过多因素COX风险回归模型对11个关键基因进行分析,最终构建了基于7个胃癌DEGs的基因预后评估模型。ROC分析结果显示,此模型对胃癌患者5年生存率的预后预测具有较高的准确性（AUC=0.802）。根据风险评分中位值,用Kaplan-Meier法比较了高风险和低风险患者的总生存期（OS）,高风险组和低风险组5年的生存率分别为10.9%和55.8%,结果具有显著统计学差异。（5）采用外部数据集GSE84433证明此模型具有较好的预后预测价值。