目的 利用肺腺癌中加權基因共表達網絡鑒定免疫細胞相關生物標志物。方法 本研究基于TCGA數據庫，利用“WGCNA”包在TCGA-LUAD中構建基因共表達網絡，并聚類形成不同基因模塊。同時，對TCGA-LUAD數據集中肺腺癌腫瘤樣本進行ESTIMATE分析。通過GO和KEGG分析評估最顯著相關模塊中基因的富集途徑。篩選出的關鍵模塊中的候選樞紐基因用于與構建蛋白質-蛋白質相互作用（PPI）網絡進行取交集獲取hub基因。這些hub基因和患者免疫細胞浸潤的預后性能通過Kaplan-Meier曲線和TIMER算法驗證。對獲得的hub 基因進行多因素Cox回歸分析并構建預后風險模型。結果 在共表達網絡中觀察到brown模塊與ImmuneScore、StromalScore和ESTIMATE Score密切相關。獲得與免疫相關的5個hub 基因 CD53、PLEK、SPI1、IL10RA和C3AR1。對brown模塊的富集分析發現，模塊基因主要富集在先天免疫反應的調節等GO條目和NF-kappa B signaling pathway等KEGG通路。此外，研究結果還發現5個hub 基因的表達水平與免疫細胞的浸潤豐度是顯著正相關的。IPS和TIDE驗證了該模型的免疫相關性。同時，發現建立的RiskScore在預測免疫治療方面有很大的潛力。結論 5個與免疫細胞相關的關鍵基因可能為肺腺癌免疫治療提供新的有效的潛在作用靶點，這也有利于后期為肺腺癌患者提供個性化的診療策略。