目的:研究旨在探讨构建风险模型的铜死亡相关长链非编码RNAs(long noncoding RNAs,lnc RNAs)在胶质瘤中的表达水平及其临床预后价值分析。方法:本研究通过对癌症基因组图谱(The Cancer Genome Atlas,TCGA)、基因型组织表达(Genotype Tissue Expression,GTEx)和中国胶质瘤基因组图谱(The Chinese Glioma Genome Atlas,CGGA)数据库中下载的胶质瘤相关数据并结合最新文献数据获得的47个铜死亡相关基因进行共表达分析,再通过单、多因素Cox和Lasso回归等方法筛选出具有潜在预后价值的lncRNAs,以此构建了一个铜死亡相关的胶质瘤预后模型。根据训练组风险评分中位值将胶质瘤患者分为高、低风险组,利用PCA分析验证该模型区分高、低风险人群能力,再进行单、多变量独立预后分析、ROC(Receiver Operating Characteristic Curve,ROC)分析、K-M(Kaplan-Meier,K-M)生存曲线分析、无进展生存期分析、列线图进行个体化生存预测分析和一致性指数分析等来验证该模型的效能。对高、低风险组进行差异基因、功能富集、Cibersort方法对免疫浸润情况、肿瘤突变负荷和药物敏感性差异等进行分析,预测与该预后模型相关的作用通路、基因、免疫治疗的应答和敏感性药物等。结果:单、多因素Cox回归和Lasso回归分析构建并优化,确定了11个铜死亡相关lnc RNAsMK-2206价格(ARHGEF26-A此网站S1、DICER1-AS1、PARD3-AS1、SLC25A21-AS1、SNAI3-AS1、DGCR5、TTC28-AS1、DLGAP1-AS1、LINC01023、DBH-AS1、UBA6-AS1)用以构建预后模型。经验证,该模型能有效genetic linkage map区分高、低风险人群并较准确的预测胶质瘤患者预后;差异基因富集于免疫相关通路,且高风险组与免疫相关通路更相关,免疫检查点和免疫浸润等分析表明,高风险组更可能在免疫治疗中受益。此外,随着风险评分增加,Ispinesib Mesylate、KIN001-135、NPK76-Ⅱ-72-1、OSI-027、PHA-793887、TPCA-1、VX-11、YM201636等药物对胶质瘤半抑制浓度也随之升高。结论:构建了一个包含11个铜死亡相关lncRNAs(ARHGEF26-AS1、DICER1-AS1、PARD3-AS1、SLC25A21-AS1、SNAI3-AS1、DGCR5、TTC28-AS1、DLGAP1-AS1、LINC01023、DBH-AS1、UBA6-AS1)的预后模型,该模型能有效区分高、低风险人群并较准确地预测胶质瘤患者的预后,与肿瘤微环境免疫浸润密切相关,为胶质瘤患者提供了免疫治疗的新思路和靶点。