目的:靶向免疫浸润细胞的免疫治疗取得了良好的疗效。然而,肾乳头状细胞癌（papillary renal cell carcinoma,pRCC）的免疫细胞浸润尚不清楚。本研究旨在通过生物信息学方法探讨pRCC的免疫细胞浸润情况,并筛选出免疫相关的关键靶点。方法:从癌症基因组图谱计划（the cancer genome atlas,TCGA）数据库中获取291例pRCC样本的转录组数据,并使用CIBERSORT算法计算每个pRCC样本中免疫细胞的丰度比。采用Cox回归分析筛选影响pRCC的免疫浸润细胞,并进一步探讨免疫细胞的临床意义。基于这些免疫浸润细胞对pRCC样本进行风险评分,并根据风险评分将pRCC样本分为高、低风险组。DESeq2 R包被用于筛选高、低风险组的差异基因（differentially expressed genes,DEGs）,并使用cluster Profiler R包分析DEGs的生物学功能。通过加权基因共表达网络分析（weighted gene co-expression network analysis,WGCNA）筛选出与肿瘤临床性状最显著的DEGs,并通过在线数据库STRING构建DEGs的蛋白互作网络（protein-protein interaction network,PPI）。cytoscape软件中5种不同的计算方法（Closeness,MCC,MNC,Degree,EPC）被用于筛选出PPI网络中的关键基因。Kaplan-Meier生存分析、受试者工作曲线（receiver operating characteristic curve,ROC）、nomogram预测模型、人类蛋白质组织图谱（the human protein atlas,HPA）等被用于验证关键基因的临床意义。最后,使用GSE26574和GSE7203外部数据集验证关键基因在肿瘤与非肿瘤组织中的表达差异,并使用x Cell算法验证关键基因与免疫浸润细胞的关系。结果:筛选得到9种影响pRCC的免疫细胞（T cells follicular helper,Macrophages M1,Dendritic cells activated,T cells regulatory（Tregs）,B cells memory,T cells CD8,Macrophages M2,B cells na（?）ve,T cells CD4 memory activated）,9种免疫细胞在病理分级、TNM分期及生存时间等临床性状存在显著差异。Kaplan-Meier生存分析显示高风险组和低风险组患者总体生存率（overall survival,OS）有显著差异（p=0.0028）。高、低风险组之间的1157个DEGs通过WGCNA分析,最终得到两个与临床性状显著相关的模块（496个DEGs的turquoise模块和313个DEGs的blue模块）。9个关键基因（TOP2A,BUB1B,BUB1,TPX2,PBK,CEP55,ASPM,RRM2,CENPF）在肿瘤组织中显著高表达（p＜0.05）,并且在不同的TNM分期和病理分级之间也存在差异（p＜0.05）,另外,ROC曲线和nomogram结果表明9个关键基因具有很好的诊断和预测价值。在外部验证数据集GSE26574和GSE7203中,相比较正常组织,9个关键基因显著高表达。结论:筛选得到的9种免疫浸润细胞影响着pRCC的进展和预后。9个关键基因与pRCC的临床进展和生存显著相关,并且具有很好的诊断和预测价值,是免疫治疗的潜在靶点。本研究揭示了pRCC关键的免疫浸润细胞和免疫相关的靶点,并为pRCC的免疫机制和治疗研究提供了方向。