免疫检查点阻断治疗可以通过激发机体的天然免疫屏障来发挥抗癌作用,被认为是新型的非常有前途的肿瘤治疗方法。然而目前病人对免疫检查点阻断治疗的响应率仅有20%左右。寻找治疗响应与不响应病人之间的差异,从而提前预测鉴定病人是否对免疫检查点阻断治疗响应,是目前研究和临床上急需解决的重要问题。近年来,关于免疫检查点阻断治疗的研究越来越多,也积累了一些相应的数据。为了更好的了解不同响应病人间的转录组以及肿瘤微环境方面的差异从而寻找潜在治疗响应标志物,我们收集、整理并分析了五批用药前病人的转录组测序数据共计174个样本,其中,三组是黑色素瘤PD1阻断治疗样本,一组黑色素瘤CTLA4阻断治疗样本以及一组胃癌PD1阻断治疗样本。转录组测序的原始数据是从NCBI的SRA和db GAP数据库中申请下载得到,并阅读对应的研究项目文献获得病人的临床信息。我们将收集到的样本按照其临床信息分为应答与非应答二组,并分析这二组样本中显著差异表达的基因,最终发现九个在三种数据中全部显著差异的基因:UBD、LCK、JAKMIP1、TRAT1、IDO1、HLA-DOA、HLA-DQA1、PD1以及CORO2B。并在二组小鼠数据中验证了除CORO2B外的八个同源基因。除此之外,还比较了在这五批数据中的应答与非应答样本间的差异可变剪切基因,发现五个基因在多位点都发生了差异可变剪切。之后从肿瘤微环境的角度分析,利用Immu Cell AI预测出样本中各种免疫细胞的丰度,并发现树突状细胞（DC）、耗竭的T细胞（Exhausted T cells）、自然杀伤细胞（NK）以及辅助型T细胞2（Th2）在应答与非应答样本间显著差异;使用CATT软件预测样本中的TCR（T Cell Receptor）种类以及丰度,并发现在应答样本中的TCR-CDR3氨基酸序列长度分布情况与非应答样本的存在差异。本研究从转录组层面、肿瘤微环境层面以及T细胞受体角度系统分析了免疫检查点阻断治疗不同响应病人之间的差异,获得了多个显著差异基因以及多个差异免疫组分,为精准化免疫检查点阻断治疗提供理论基础。