胰腺癌是一种消化道恶性肿瘤,在全球范围内是癌症死亡的第七大原因,其早期诊断困难,预后状态差,不同患者对治疗的反应不同,但在临床实践中尚没有广泛应用的与胰腺癌预后相关的分子分型。研究表明,肿瘤的发生发展伴随着表观基因组的改变,DNA甲基化作为表观遗传调控因子可参与调控基因的活性和细胞分化,许多肿瘤早期的表现之一就是肿瘤抑制基因甲基化水平提高,异常的DNA甲基化改变和特异甲基化模式可用作癌症的生物标志物。本文从TCGA数据库中获得了194例胰腺癌患者的临床信息和分子信息,包括m RNA表达谱和DNA甲基化数据并从SEER数据库收集了205 389例胰腺癌患者的临床数据,基于胰腺癌DNA甲基化数据,挖掘胰腺癌预后相关的特异性分子标记并构建胰腺癌分型预测模型。本文利用胰腺癌患者DNA甲基化谱,在癌症和癌旁样本间得到1 235个差异甲基化基因,构建单变量和多变量的COX比例风险回归模型从中筛得78个独立影响胰腺癌预后的甲基化分子标记,这些基因具有作为胰腺癌分子标志物和解释胰腺癌异质性的潜力。以这些基因为特征通过一致性聚类识别出2个胰腺癌亚型。生存分析和临床特征检验显示被命名为cluster2的亚型预后情况显著优于cluster1且两个亚型间在性别、临床肿瘤分期、T分期和肿瘤分化程度上存在显著差异,挖掘每个亚型的特异临床特征组合,使用来自SEER的大样本进行验证,证明了基于DNA甲基化模式的亚型区分有着独特的临床特征和预后情况。结合转录组数据的研究表明,有301个癌症驱动基因在两个亚型间差异表达且免疫细胞浸润程度在亚型间存在显著差异。此外,本文在两个亚型间识别出表征亚型独特甲基化模式的14个特异性高/低甲基化基因,构建了基于贝叶斯网络的分型预后预测模型,模型在训练集中的准确性达93.75%,AUC值为0.937,将模型应用于检验集,成功将样本分类为本研究得到的2个甲基化亚型,检验集的预后分析结果也与训练集相似。综上,本文利用DNA甲基化数据结合生物信息学算法,挖掘胰腺癌DNA甲基化分子标志物并识别与预后相关的胰腺癌DNA甲基化亚型,构建了胰腺癌分型预后预测模型,从表观遗传的角度解析了胰腺肿瘤的异质性并为胰腺癌患者的个性化治疗方案评估和精准医疗提供新思路新靶标。