研究目的:若能实现对接受根治性手术治疗后前列腺癌(prostate cancer,PCa)患者的无复发生存(recurrence-free survival,RFS)情况实时监测,对于患者术后治疗策略制定、临床研究开展、随访计划调整等意义重大。当前研究旨在基于公共数据库中的基因表达谱数据,建立并验证一项RFS预后预测模型。研究方法:研究共纳入5项独立队列,包含1,046例含有RFS预后信息的表达谱数据。利用单因素分析,在5项队列研究中分别计算与RFS相关的候选基因,取交集。并利用多因素Cox回归分析计算出每个候选基因的相对应的系数(co-efficient,co-ef),联合候选基因表达数据构建RFS预后预测模型。研究采用受试者工作特征曲线(receiver operating characteristic curve,ROC)及曲线下面积(area under the curve,AUC)来评估模型的预测价值。此外,利用Pearson相关分析可得出与候选基因共表达的基因集合,利用KEGG信息数据库(kyoto encyclopedia of genes and genomes)通路富集分析来探究这些关键候选基因影响PCa进展的潜在机制。最后,我们对比了这些关键候选基因在不同临床亚组间的表达差异,如复发与否、不同年龄分层、肿瘤等级等。研究结果:针对五项独立队列数据的单因素Cox回归分析结果取交集,共鉴定出7个与RFS预后显著相关的共识基因(P<0.01)。并利用多因素Cox回归分析提供的co-ef和候选基因的表达数据,构建PCa患者RFS预后预测模型。Kaplan-Meier(K-M)分析结果提示,在所有队列中,经RFS预后预测模型鉴定为低危的患者大多比高危患者预后好。AUC值证实了该模型具有优异的预测效能。此外,研究还在公共数据库和本中心临床样本中,分析了这7个候选基因表达与临床病理特征的关联,利用共表达分析和KEGG通路富集分析预测了关键候选基因影响PCa进展或预后的潜在机制。研究结论:当前研究基于公共数据库数据和本中心样本资源,构建并成功验证了一项RFS预后预测模型,并揭示了关键基因影响PCa进展或预后的潜在机制,为推进前列腺癌患者个体化医疗提供理论依据。