目的:由于卵巢癌早期缺乏特异性的临床症状,且缺少有效的筛检方法,导致80%的患者出现症状时已处于癌症晚期,而卵巢癌晚期恶性程度高,治疗效果不佳。因此寻找卵巢癌预后相关的LncRNA并构建预后风险预测模型,可为卵巢癌的预后诊断以及临床治疗提供新的肿瘤标志物和药物靶点。方法:基于TCGA及GTEx数据库,利用R语言筛选出在379例卵巢癌样本与88例卵巢正常组织样本中存在显著表达差异的LncRNA和m RNA。提取样本生存时间信息,对表达水平存在显著差异的LncRNA进行LASSO-Cox回归分析、Kaplan-Meier分析,利用多因素Cox回归构建由LncRNA组成的卵巢癌预后风险预测模型。根据预后预测模型计算患者的风险评分,通过Kaplan-Meier分析及ROC曲线评估卵巢癌预后风险预测模型的效能。利用χ~2检验分析核心LncRNA的表达水平与卵巢癌临床病理特征之间的关系。采用q RT-PCR检测法分析模型中LncRNA在人类卵巢癌细胞系CAOV-3,SKOV-3和正常人类卵巢细胞系IOSE-80中的表达水平。最后对与核心LncRNA共表达的m RNA进行GO功能分析、KEGG通路分析及免疫浸润分析,以探索核心LncRNA的作用机制。结果:本研究从TCGA及GTEx数据库中共筛选出1204个与卵巢正常组织表达水平存在显著差异的LncRNA和4549个m RNA。对卵巢癌中1204个表达差异的LncRNA进行生存分析并构建预后风险预测模型,最终筛选出3个LncRNA（LINC01556、AL713998.1和BMPR1B-DT）进入模型,模型的AUC值为0.68,其中AL713998.1为危险因素,LINC01556和BMPR1B-DT为保护因素。结合临床病理特征,3个LncRNA的表达水平分别与卵巢癌的病理类型、复发情况和FIGO分级存在相关性。q RT-PCR检测发现,相较于正常人类卵巢细胞系IOSE-80,AL713998.1在人类卵巢癌细胞系SKOV-3和CAOV-3表达显著上调,LINC01556和BMPR1B-DT的表达显著下调。基于TCGA数据库和ICGC数据库卵巢癌患者队列的Kaplan-Meier分析结果显示,预后预测模型中高风险评分组患者的生存时间均显著低于低风险评分组。对与这3个LncRNA共表达的m RNA进行GO及KEGG富集分析发现其功能主要与细胞外基质组织调节、转录因子调节、免疫应答、钙信号通路和Rap1信号通路等相关。免疫浸润分析发现TReg细胞、CD8+T细胞等免疫细胞与3个LncRNA的表达水平之间存在显著相关性。结论:本研究利用生物信息学的方法构建了由LINC01556、AL713998.1和BMPR1B-DT组成的卵巢癌预后风险预测模型,并通过了ICGC数据集的验证,得到该模型对卵巢癌的预后预测具有一定的效能。模型中的3个LncRNA主要参与癌症相关的免疫调节和信号通路调节,提示上述LncRNA可作为卵巢癌潜在的药物治疗靶点,由这3个LncRNA组成的预后预测模型有希望成为卵巢癌预后的可靠预测指标。