目的:宫颈癌作为发展中国家第二大常见妇科癌症,具有治疗选择有限、预后差、复发率高的特点。通过生物信息学分析构建一个铁死亡相关长链非编码RNA(long non-coding RNA,lnc RNA)模型用于提高预测宫颈癌患者预后的能力,并验证铁死亡对M1巨噬细胞极化与lnc AC022382.1表达的影响。方法:1.基于癌症基因组图谱数据库(The Cancer Genome Atlas,TCGA)下载宫颈癌患者的临床、病理学数据及基因表达谱。从Ferr Db数据库下载铁死亡的相关基因。采用Pearson相关性评估lnc RNAs与铁死亡相关基因的表达水平,以确定铁死亡相关lnc RNAs,相关系数>0.3且P<0.001认为相关性显著。使用“limma”包对铁死亡相关基因和铁死亡相关lnc RNAs进行差异化表达分析,P<0.05与|log2(fold change)|>1认为存在显著差异表达。2.使用“clusterProfiler”包BAY 73-4506临床试验对差异表达的铁死亡相关基因进行京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)信号通路和基因本体(Gene ontology,GO)功能富集分析。3.对铁死亡相关lncRNAs进行单因素COX回归和多因素COX回归分析,筛选与宫颈癌患者预后密切相关的差异表达的铁死亡相关lnc RNAs,构建lnc RNAs评估模型。根据lnc RNAs表达量与相应的回归系数计算各样本风险评分(Risk Score,RS)并按风险评分中位数将队列患者分为高风险组与低风险组,并通过Kaplan-Meier进行生存分析。4.使用“time ROC”软件包对队列进行ROC分析和决策曲线分析(decision curve analysis,DCA)评估宫颈癌的预后特征以及与其他临床病理学相比的敏感性和特异性。5.使用“Cytoscape”软件构建铁死亡相关lnc RNAs和m RNAs的共表达网络,同时对高、低风险组中铁死亡相关lnc RNAs进行GSEA分析,评估其生物学富集的差异。统计显著性设定为假阳性发现率(false discovery rate,FDR)<0.05,NOM P<0.05。6.使用CIBERSORT、TIMER等算法,比较高风险组与低风险组中免疫细胞比例、免疫反应与免疫检查点的差异。7.通过ELISA分析不同浓度铁死亡诱导剂erastin处理的Hela细胞与人及小鼠M1巨噬细胞共培养后,对M1巨噬细胞TNF-α分泌量的影响。8.通过q RT-PCR技术对与不同浓度铁死亡诱导剂erastin处理后的Hela细胞中的lnc AC02238Cultural medicine2.1表达水平进行检测。结果:1.获得3个正常组织与286个宫颈癌组织的表达谱数据,以及382个铁死亡相关基因。2.基于多因素Cox回归分析,共筛选出18个铁死亡相关lncRNAs用于预测宫颈癌患者预后。Kaplan-Meier结果显示低风险组患者预后优于高风险组。该模型AUC值为0.836,表明可用于预测宫颈癌的Liraglutide生产商预后。3.GSEA富集分析表明,免疫与代谢通路相关基因集在低风险组富集,高风险组中更多为核苷酸、蛋白合成与代谢的通路富集;ss GSEA发现细胞溶解、人类白细胞抗原、促炎因子、T细胞共刺激与共抑制在低风险和高风险组之间存在显著差异;免疫检查点如CD-48、CD27和TNFRSF14等在两组之间也有不同的表达。4.实验证实用不同浓度的铁死亡诱导剂处理的Hela细胞与人或小鼠的M1巨噬细胞共培养后,M1巨噬细胞分泌的TNF-α随着Hela细胞的铁死亡水平显著增加,且Hela细胞中lnc AC022382.1随铁死亡诱导剂erastin的浓度增加表达量增高。结论:1.本研究基于18个铁死亡相关lnc RNAs构建的风险评估模型可以为宫颈癌的预后提供一定的预测价值。2.人和小鼠的M1巨噬细胞中TNF-α的分泌水平与Hela细胞铁死亡程度成正相关,提示M1巨噬细胞极化调节可能是铁死亡对宫颈癌患者免疫微环境影响的一个线索。3.lnc AC022382.1参与Hela细胞铁死亡进程且起到一定的促进作用。