目的:TP53突变是肺腺癌中最常见的突变且被报道与免疫反应和炎性疾病相关。本研究旨在基于TP53突变状态构建可用于临床预后分析的免疫相关模型。方法:通过TCGA（The Cancer Genome Atlas,癌症基因组图谱）数据库下载了499例肺腺癌患者转录组数据以及临床基线资料,包括239名TP53突变型患者和260名TP53野生型患者。通过“DESeq2”R软件包筛选TP53突变型和TP53野生型患者之间的差异表达基因。通过Imm Port数据库进一步筛选了免疫相关的差异表达基因75个。对差异表达基因和免疫相关差异表达基因进行GO分析（Gene Ontology）和KEGG分析（The Kyoto Encyclopedia of Genes and Genomes）。利用LASSO Cox比例风险回归方法进一步开发了六基因免疫相关模型（immune-related model,IRM）,以预测TCGA数据集中肺腺癌患者的生存率,并在GEO（Gene Expression Omnibus）数据集和本地数据中验证了这一模型的预测能力。在临床相关亚组中对该模型进行了分层生存分析比较。比较高指数和低指数患者之间免疫细胞浸润数量、免疫功能以及免疫检查点等免疫指标的差异。使用q RT-PCR检测了临床患者中PDCD1和CD274的表达。使用免疫组化染色技术验证江苏省肿瘤医院肺腺癌样本IRM高指数和低指数组之间免疫检查点PD-1、PD-L1的表达差异。进行单因素和多因素Cox分析以评估IRM指数的独立预后能力。使用R包“rms”建立了预测肺腺癌总体生存期（overall survival,OS）的简洁列线图（nomogram）。结果TCGA数据分析表明,TP53突变型和TP53野生型患者之间的存在大量差异表达基因（differentially expressed genes,DEGs）。与TP53野生型相比,TP53突变型中有1829个基因在统计学上有显着差异表达,包括1230个下调基因和599个上调基因并进一步筛选出75个免疫相关差异表达基因（immunerelated differentially expressed genes,IRDEGs）。根据LASSO cox回归分析,在这75个IRDEGs发现具有非零回归系数的六个基因（包括CRHR2,BPIFB2,INHA,SSTR5,SCGB3A1和BPIFB1）具有最大的预后价值并以此构建免疫相关模型（immune-related risk model,IRM）。IRM指数的最佳截取值为-0.959 5243。Kaplan-Meier分析表明,相比于低指数患者组,高指数患者组的预后更差（P<0.001）,TCGA数据中IRM指数的时间依赖性ROC曲线分析显示模型的OS预测能力良好（3年AUC=0.717,5年AUC=0.730,7年AUC=0.731）。这些结果在GEO数据集和本地数据集得到验证。在不同的临床亚组中,IRM指数仍然预测的OS有效指标。在IRM高指数组,记忆B细胞和调节性T细胞的浸润比例更高（P<0.001,P<0.001）。而在IRM低指数组,中性粒细胞和静息记忆CD4+T细胞的浸润比例更高（P<0.001,P=0.007）。IRM指数与TIM3、TIGIT、PDCD1和CD274等免疫检查点的表达显着相关（P<0.05）。高指数组PDCD1（P=0.005）和CD274（P<0.001）的表达明显高于低指数组。q RT-PCR结果证明:高危患者的PDCD1（P=0.004）和CD274（P=0.004）水平较高。免疫组化结果表明:IRM指数与这两种免疫检查点蛋白的IHC得分之间呈显着正相关。单因素和多因素Cox分析表明淋巴结转移（HR=3.201,95%CI:2.930～4.058）,IRM指数（HR=5.395,95%CI:4.059～6.921）,年龄（HR=1.124,95%CI:1.002～1.303）和TNM分期（HR=1.420,95%CI:1.117～1.806）是肺腺癌患者总体生存的独立预后因素。结论:TP53突变型和野生型肺腺癌患者在免疫微环境上存在差异。根据他们之间免疫相关差异基因构建的IRM模型可以有效的预测肺腺癌的预后,IRM指数是肺腺癌患者总体生存的独立预后因素。基于IRM指数构建的列线图为临床医生提供了定量方法来预测肺腺癌患者的预后。