目的:前列腺癌（prostate cancer,PCa）已成为男性最常见的恶性肿瘤之一,尤其好发于中年男性。PCa不仅是男性的主要癌症类疾病,约占男性癌症疾病的10%,而且有较高的致死率。因此本次研究基于生物信息学的分析方法,筛选出与PCa预后相关的关键基因并建立风险回归模型,具有重要意义。研究方法:从癌症基因组图谱数据库（TCGA）中选取前列腺癌患者（PCa）的转录谱和临床数据集,使用R（3.6.2.Windows64位系统版本）软件将得到的标准化数据进行差异分析,主要用到Edger包,筛选差异基因的标准是:p<0.05,且|log2FC|>1。利用R语言对差异基因进行功能注释（GO）和途径富集分析（KEGG）。利用GSEA软件,将差异基因导入进行基因集富集分析,以归一化p值（p<0.05）为筛选标准,筛选出能进一步继续研究的基因集,并选出跟细胞周期相关的通路进行下一步分析。通过Cox单因素和多因素回归分析,筛选出与PCa预后相关的关键基因并构建风险回归模型。将患者根据风险评分中位数分为高风险组和低风险组进行生存分析,绘制KM曲线和ROC曲线,验证该模型的准确性。为了进一步验证,将TCGA数据库中PCa患者随机分组,即为训练集和测试集两组,分别在两组再次进行生存分析。结果:1.从TCGA数据库得到了498例前列腺癌患者和52例正常样本的相关转录谱和临床数据,经过标准化和预处理后,利用R语言进行差异分析,根据筛选条件p<0.05,且|log2FC|>1得到2963个差异基因,其中1631个上调基因,1332个下调基因。2.利用R语言对差异基因进行功能注释和途径富集分析,富集结果显示,PCa相关的差异基因主要发挥被动跨膜转运蛋白活性、渠道活动、底物特异性通道活性、金属离子跨膜转运蛋白活性、离子通道活性等分子功能,主要参与模式指定过程、肌肉系统过程、膜电位的调节、信号释放、轴突发生等生物过程,差异基因的产物主要参与突触膜、突触前神经细胞体、胶原蛋白细胞外基质、细胞的顶端部分等细胞组成。通过KEGG分析可得出明显富集的KEGG通路是神经活性配体-受体相互作用、钙信号通路、c AMP信号通路。3.利用GSEA软件进行基因集富集分析,得到12个p<0.05的基因集。选择其中与细胞周期有关的E2F与G2M通路进行进一步的研究。其中E2F（p=0）包含36个基因,G2M（p=0）包含39个基因。4.通过单因素Cox回归分析得到21个p<0.05与预后相关的基因,进一步通过多因素Cox回归分析,我们最终确定了3个预后相关基因:PRC1、E2F2、KIF18B,并建立风险回归模型:风险评分=1.3807*PRC1表达+0.9756*E2F2表达-0.9704*KIF18B表达。5.将本次研究中的498例患者按风险评分中位数分组,高风险组（n=249）和低风险组（n=249）,两组Kaplan-Meier总生存曲线显著不同即p=0.00735,利用ROC曲线下面积即AUC面积验证该Cox回归模型,AUC=0.726。训练集和测试集的AUC也都大于0.7,更加说明了该模型的灵敏性和准确性。结论:本次研究中,我们通过分析TCGA数据库中前列腺癌的数据,筛选得到一个三基因（PRC1、E2F2和KIF18B）风险模型,并对该模型进行验证以确保模型的准确性和可信性。提示该风险模型可以预测PCa患者的生存,其中风险评分高的患者预后差。