头颈癌（HNC）是一种在早期不易被发现,治愈率较低的高危性癌症,对人类健康有着极大威胁,头颈鳞癌（HNSC）则是其中重要的病理特征,占到了90%以上,对头颈鳞癌致病机理的研究,对于预防以及治疗头颈癌都有极其重要的意义。目前国内外针对头颈鳞癌有一部分的研究,但大多都是利用生物技术进行实验研究,成本高,工作量大,本文旨在通过现有的TCGA数据库中头颈鳞癌患者相关的生物信息数据,结合统计学以及机器学习方法,探索与其相关的生物标志物,筛选密切相关的致癌基因,以期望能为头颈鳞癌的治疗提供一些想法。本文从TCGA数据库中获取了546例头颈鳞癌组织的基因表达谱数据以及611例生存数据,结合R语言中的edgr包对基因表达谱数据进行初步的基因差异表达分析,在统计学意义log FC绝对值大于2,FDR<0.01下,得到1881个差异表达基因（779个上调基因,1102个下调基因）。为了从特征量远大于样本量的基因数据中筛选出相关基因标志物,本文采用了机器学习中LASSO回归以及弹性网络两种方法分别对高维基因数据进行降维,利用交叉验证的方法确定模型中的最优参数。其中LASSO回归筛选出14个相关基因,弹性网络筛选出18个相关基因,将两种方法选出的基因进行对比发现,弹性网络包含了LASSO回归所选出的基因,并多筛选了4个基因（TIMP4、CYP2F1、ITGA5、CXCL13）。为了验证这4个基因是否与癌症显著相关,本文结合在线数据库GEPIA对其进行分析,利用数据库中的样本分别验证4个基因,发现4个基因中有3个基因均在正常样本和癌症样本中具有差异表达性。因此本文采用弹性网络筛选的基因进行富集分析以及生存分析,分析基因在样本中是否具有显著性差异表达,研究发现18个基因与肽激素的反应以及骨骼肌细胞分化这一生物过程有关;还具有氧化还原酶活性、芳香化酶活性等功能,基因富集在癌症的转录失调过程中。利用COX比例风险模型,筛选出9个与生存相关的预后基因（BRINP1、CYP2F1、CYP3A5、PLAU、STC2、SYT1、CDKN2A、DMRTA2、TIMP4）。通过文献验证的方法,验证筛选的基因的可靠性,9个基因中有4个基因（PLAU、STC2、CDKN2A、TIMP4）与头颈鳞癌直接相关,3个基因（SYT1、CYP3A5、CYP2F1）分别与结肠癌和鼻咽癌相关联,剩下两个基因（BRINP1、DMRTA2）虽然在癌症中作用机制不明确,但是参与了某些疾病的生物过程。经过以上研究表明,在对于癌症生物标志物的筛选中,通过弹性网络筛选出来的基因对于后续的分析具有一定的优势,筛选出来的基因对于癌症的研究有一定的参考价值。