肺癌作为发病率与病死率最高的癌症类型之一,其致病机理与治疗方法受到全世界研究者的广泛关注。其中靶向治疗与免疫治疗是肺癌治疗领域的热点问题。发现癌症的驱动基因与潜在靶点,与理解肺癌的成因、进行靶向药物开发密切相关,而治疗性肿瘤疫苗的研究也被认为是个性化医疗的新方向。因此,本文利用高通量测序数据先对肺癌的驱动基因和特异性突变进行研究,然后建立了基于个体化突变序列的表位抗原预测分析平台。本文首先重新搭建了对癌组织个体化突变序列进行获取的分析流程,对肺癌样本的转录组数据以及全外显子组数据进行分析。该分析流程与已有的高通量测序分析方法相比,更换了全新版本的参考序列,并引入了根据已知位点对测序比对文件的碱基值进行矫正的模型,使测序比对结果更加完整;在突变比对方面,使用了 GATK4与Varscan2两个主流软件进行突变发现,同时使用MuSE作为辅助软件以保证突变位点的完整性;而且该分析流程输出的maf格式文件方便用于后续的进一步分析。之后本文继续对得到的肺鳞癌与肺腺癌样本的突变信息做了驱动基因分析。本文使用了基于聚类的OncodriveCLUST算法与基于通路富集的Multi-dendrix算法来确定癌症的驱动基因。分析结果表明PIK3CA、TP53、NFE2L2三个基因和PI3K、TP53两个途径对肺鳞癌的发展有很大影响,而肺腺癌的驱动基因主要是KRAS和EGFR。最后又比较了这两种发现驱动基因的算法,确定驱动基因分析的新流程。基于得到的突变序列,本文完整建立了个体化表位抗原的预测分析流程。首先使用HLAssign软件确定患者的HLA类型,然后编写程序基于标准蛋白序列获取突变位点的周围肽段,避免DNA翻译过程中产生的错位,之后使用NetMHCpan4.0以及NetMHCIIpan3.2两个软件对筛选出来的多肽片段进行分析,完成表位预测,并根据后期疫苗的制作要求进行筛选。综上,本文建立了更合理的癌症个体化突变序列获取以及表位抗原预测的分析平台,对肺腺癌和肺鳞癌的潜在驱动基因做了比较分析,并完成了一个肺癌患者个体的表位预测以及表位筛选。