肝细胞癌（Hepatocellular carcinoma;HCC）是全世界第二大高死亡率癌症。近年来,由肝癌引起的死亡人数逐年增加。由于HCC在初始阶段没有特定的临床特征,患者通常只能在晚期被诊断出。尽管外科手术治疗在肝癌中取得了巨大的进步,但由于患者的高转移和高复发使得整个HCC患者群体的生存率仍不尽如意。另外,肿瘤浸润免疫细胞作为免疫治疗必不可少的组成部分,已逐渐引起人们的关注。但是,关于免疫浸润与肝癌之间的相关性仍然缺乏系统的,全面的研究。因此,本课题旨在利用多种算法开发与免疫相关的潜在标记物以改善肝癌患者的预后。首先,本文通过整合TCGA和GEO的临床和表达数据,筛选出4072个差异表达基因（Differentially expressed genes;DEGs）,包括2796个上调的基因和1276个下调的基因。利用ESTIMATE算法和WGCNA算法确定了289个免疫相关基因（Immune-related genes;IRGs）。KEGG通路表明IRGs参与T细胞受体的信号传导途径,丙型肝炎,B细胞受体的信号传导途径。然后,利用LASSO、随机森林和多元化COX回归三种机器学习算法构建和验证了具有优异预后预测能力的新型7-IRGs标志物（DPYSL4、FHL3、LGALS3、SLC6A3、SOX11、ST6GALNAC4和STK32B）。基于预后标志物的风险评分具有识别高低危患者和良好的总体生存预测能力（p<0.001;1年的AUC=0.797;3年的AUC=0.787;5年的AUC=0.806）。通过组合风险评分形成的诺莫图进一步提高了生存预测的准确性（C指数=0.761）。此外,基因集富集分析（Gene set enrichment analysis;GSEA）分析发现高低风险患者与细胞因子与细胞因子受体的相互作用、人类免疫缺陷病毒1感染和人类巨细胞病毒感染显著相关。其次,利用机器学习SVM算法定义了FHL3分类器。发现高表达的FHL3对应着HCC患者的不良预后（p=0.00029）,且随着FHL3表达的增加,T、grade、stage阶段呈现上升趋势。单变量和多变量COX证实FHL3是HCC患者独立预后因子。此外,FHL3的高表达组中的突变频率明显高于FHL3的低表达组,且以TP53、TTN和CTNNB1的突变最为显著。最后,CIBERSORT算法评估了HCC微环境免疫波动。发现T cells gamma delta、Monocytes、T cells regulatory（Tregs）、Macrophages M0和M1在高低表达组存在显著差异。COX回归证实FHL3驱动的免疫浸润细胞异常浸润可能是致癌过程中的重要免疫现象之一。构建的BPNN模型也进一步证实了这一结果。综上所述,应用多种机器学习算法构建和验证了新型7-IRGs标志物风险模型和FHL3基因有望成为肝癌的潜在预后标志物。