目的:肿瘤免疫微环境对肿瘤患者的临床结局起着至关重要的作用,肿瘤免疫治疗的成功依赖于免疫效应机制的诱导,免疫效应机制与免疫微环境中肿瘤特异性细胞毒性T淋巴细胞（cytotoxic T lymphocytes,CTL）的产生有关。CD8阳性T淋巴细胞是免疫微环境的主要效应细胞之一,在肺腺癌（lung adenocarcinoma,LUAD）的发生发展中起重要作用。本研究旨在探索与LUAD中CD8阳性T淋巴细胞浸润相关的关键基因,并以此为基础建立一种新的预后模型。方法:本研究选取了肿瘤基因组图谱（The Cancer Genome Atlas,TCGA）数据库中LUAD相关数据进行了分析,对基于这些癌症样本的差异表达基因（differently expressed genes,DEG）进行加权基因共表达网络分析（Weighted Gene Co-Expression Network Analysis,WGCNA）,结合 CIBERSORT 算法,选取 WGCNA 中与 CD8 阳性T淋巴细胞相关性最显著的基因模块进行后续分析。然后通过共表达网络、蛋白质相互作用网络（protein-protein interaction network,PPI network）、cox 单因素回归分析和lasso降维方法确定关键基因。基于这些关键基因构建了风险评估模型,并利用基因表达综合数据库（Gene Expression Omnibus,GEO）中的数据集以及肺腺癌组织芯片的多色免疫荧光原位杂交实验进行了验证。结果:根据TCGA数据库中529例LUAD相关数据（癌症样本478例,癌旁样本51例）调取出8807个基于癌症的差异表达基因,其中包括2172个上调基因和6635个下调基因;然后基于DEGs进行加权共表达网络分析（WGCNA）,共得到11个分类模块,利用CIBERSORT算法对每个样本进行免疫细胞浸润分析,得到各T cell亚类的比例,将分类模块与细胞比例进行关联分析,得到与CD8+T cell浸润相关的.模块,其内包含275个基因;进一步筛选模块中的关键基因（hub genes）,得到93个具有高节点度（degree）的基因,利用模块中的基因构建PPI network,从中筛选到46个具有高degree的蛋白质编码基因,合并两种筛选的结果,最终得到1 17个免疫细胞浸润相关的hub genes;利用批量cox单因素回归进行筛选,得到34个预后相关基因,对这些基因进行lasso降维,最终确定了 CD8阳性T淋巴细胞浸润相关的5个关键基因（MZT2A、ALG3、ATIC、GPI、GAPDH）,同时在此基础上建立了风险评估模型,即:风险评分（Risk score）=MZT2A*0.035+ALG3*0.084+ATIC*0.104+GPI*0.125+GAPDH*0.134。为了验证模型效能,计算每个样本的风险得分,然后以中位数为节点划分高低风险组,并绘制Kaplan-Meier曲线,曲线中高低风险组的差异显著,同时绘制风险模型的受试者工作特征曲线（Rece i ver Operating Characteristic Curve,ROC）,计算曲线下面积（Area Under Curve,AUC）,得到的AUC值大于0.6,表明风险评分可以很好地预测LUAD的预后,风险评分与CD8阳性T淋巴细胞浸润程度呈负相关,与肿瘤分期呈负相关。GEO数据库和组织芯片结果与TCGA数据库结果一致。此外,风险评分在肿瘤组织中显著上调,且与肿瘤分期相关。结论:本研究筛选出了与CD8阳性T淋巴细胞浸润相关的关键基因,利用这些关键基因建立了肺腺癌的预后风险评估模型,此可能为LUAD预后的预测提供一种新的方法,即根据评分确定肺腺癌的预后情况,评分同时与CD8阳性T淋巴细胞浸润相关,其为探讨LUAD中与CD8阳性T淋巴细胞浸润相关的肿瘤免疫微环境机制提供新的前景。