目的:采用生物信息学分析方法,寻找在胰腺癌中差异表达的长链非编码RNA（long non-coding RNA,lncRNA）、微小 RNA（microRNA,miRNA）和信使RNA（messenger RNA,mRNA）,构建与胰腺癌预后相关的竞争内源性RNA（competing endogenous RNA,ceRNA）网络,为胰腺癌的预后提供预测价值并且为将来胰腺癌的分子机制研究提供一些关键线索。方法:从基因综合表达数据库（Gene expression omnibus,GEO）数据库下载三组包含胰腺癌和正常组织的基因芯片数据,分别为GSE16515,GSE28735,GSE32676,首先通过在线分析工具GEO2R分别筛选出三组芯片数据的肿瘤和正常组织表达的差异基因（Differentially Expressed genes,DEGs）,并根据 P 值及 log2FC 值进行预筛选,找出三组差异基因的交集,利用DAVID数据库进行差异基因的基因本体论（Gene Ontology,GO）富集分析及 KEGG（Kyoto Encyclopedia of Genes and Genomes）信号通路分析,使用STRING数据库构建蛋白质相互作用（protein-protein interaction,PPI）网络,并利用数据分析软件Cytoscape的Cytohubba插件找出关键基因,并在GEPIA数据库验证其在胰腺癌中的表达情况及与预后关系,筛选出在胰腺癌中高表达且与预后差相关的基因。然后根据通过七个目标预测数据库预测所筛选出基因潜在的miRNA,并通过miRNet数据库预测了上游lncRNA。最后通过GEPIA、Kaplan-Meier和starBase对mRNA,miRNA和lncRNA进行表达、预后和相关性分析。结果:（1）通过分析确定了 158个上调基因和29个下调基因。（2）上调基因富集分析显示它们主要富集于PI3K-Akt信号通路、癌症的途径、粘着斑、ECM-受体相互作用等通路。（3）根据基因的score评分,基于PPI网络在Cytoscape中找出10个关键基因,利用GEPIA最终筛选出5个在胰腺癌中高表达且与较差预后相关的基因,分别为MET、MKI67、LAMA3、IGTA3、KRT19。（4）通过七个目标预测数据库共预测出26个靶基因的miRNA,其中只有hsa-mir-20b-5p及hsa-mir-454-3p在胰腺癌中高表达时预后较好且分别与靶基因LAMA3,MET呈负相关关系。（5）根据确定的miRNA进一步预测出99个lncRNA,其中仅有H19、PVT1在胰腺癌中表达越高,预后越差。（6）H19与MET呈正相关关系,与LAMA3无明显相关性,PVT1与LAMA3呈正相关关系。（7）结合以上mRNA,miRNA及lncRNA的表达,与预后关系及三者之间的相关性综合分析,PVT1-hsa-mir-20b-5p-LAMA3及H19-hsa-mir-454-3p-MET为胰腺癌中的ceRNA调控网络,且明显影响胰腺癌的预后。结论:构建了两条新的lncRNA-miRNA-mRNA网络,并且可作为胰腺癌预后预测的潜在生物标志物。