目的:分析早期肺腺癌(lung adenocarcinoma,LUAD)患者与中晚期患者之间转录组测序数据和临床病理特征的差异,构建肺腺癌预后相关Nomogram预测模型并探究潜在生物学功能。方法:从癌症基因组图谱(The Canceperipheral immune cellsr Genome Atlas,TCGA)数据库和高通量基因表达(Gene Expression Omnibus,GEO)数据库下载肺腺癌患者临床病理学数据与转录组测序数据,通过设立纳入排出标准,总计866名患者纳入本研究。比较并筛选早期肺腺癌与中晚期肺腺癌的差异表达基因,通过单因素COX分析从中筛选具有独立预后价值的差异基因。使用LASSO-COX回归分析构建风险预测模型,并依据风险评分的中位数将患者分为高风险组与低风险组。在训练组和验证组中,分别绘制Kaplan-Meier(K-M)曲线与受试者操作特征(receiver operating characteristic,ROC)曲线,计算曲线下面积(area under the curve,AUC),对风险预测模型的性能进行验证。为提高预测模型准确性,通过纳入分期、表皮生长因子受体(epidermal growth factor receptor,EGFR)突变状态和风险预测模型构建用于预测LUAD患者1年和3年生存率的Nomogram预测模型,并通过校准曲线与一致性指数(concordance index,C-index)验证准确性。然后,使用基因本体数据库(Gene Ontology,GO)分析、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)分析和基因集变异分析(Gene Set Variation Analysis,GSVA)探索模型相关的生物学功能,并使用基因集富集分析(Gene Set EnrBLZ945抑制剂ichment Analysis,GSEA)对结果进行验证。结果:首先,通过差异性分析筛选出74个差异表达基因(34个基因上调,40个基因下调),单因素COX分析结果显示其中共有28个基因具有独立预后价值。其次,在这28个基因的基础上进行LASSO-COX回归分析,构建了一个与肺腺癌患者总生存期相关的13基因风险预测模型,K-M分析结果表明高风险组与低风险组预后存在显著差异(P<0.0001)。然后,生物学功能分析发现该模型与有丝分裂细胞周期功能相关。最后,基于风险模型与临床病理学特征,建立了NomogGefitinib-based PROTAC 3ram预测模型。在训练组和验证组中,Nomogram预测模型均显示出可靠的预后预测能力。结论:新型有丝分裂细胞周期相关的Nomogram预测模型可以较为准确地对肺腺癌患者预后结果进行预测,并且有助于临床个体化应用。