目的 通过生物信息学分析筛选影响卵巢癌（ovarian cancer, OC）患者总体生存率的铁死亡相关基因（ferroptosis-related genes, FRGs）。方法 通过癌症基因组图谱公共数据库（the cancer genome altas, TCGA）和基因组织表达数据库（genotype-tissue expression, GTEx）下载OC患者的mRNA表达谱和相应的临床数据，使用铁死亡数据库（ferroptosis database, FerrDb）获得铁死亡相关基因，使用R软件确定具有差异表达和预后价值的铁死亡相关基因，并在此基础上使用Lasso回归分析构建风险模型。通过受试者工作特征曲线（receiver operator characteristic curve, ROC）评估模型对预后的准确性，使用单因素和多因素分析筛选独立预后因素。应用功能富集和单样本基因富RAD001作用集分析（single-sample gene set enrichment analysis, ssGSEA）探索潜Medicare savings program在机制。结果 最终由18个基因构建了预后模型，并将OC患者分为高风险和低风险组。与低风险组相比，高风险组OC患者的总生存期（overall survival, OS）显著。时间依赖ROC曲线显示第1,2,3年的曲线下面积（area under curve, AUC）分别为0.664,0.702和0.675，说明风险模型较为可靠。风险评分被证明是OS的独立预测因子（HR=4.092, 95%CI:2.862～5.852, P <0.001）。功能分析显示，差异可能与受体和配体的相互作用、细胞因子和细胞因子受体的相互作用有关。抗原呈递过程包括活化的树突状细胞（activate dendritic cells, aDCs）、浆细胞样树突Puromycin状细胞（plasmacytoid dendritic cells, pDCs）、抗原呈递细胞（antigen presenting cells, APC）共抑制、主要组织相容性复合体（major histocompatibility complex, MHC） I类评分和人白细胞抗原（human leukocyte antigen, HLA），差异均具有统计学意义（调整后P <0.05）。结论 FRGs影响OC患者的总体生存率，为预测OC的预后及探索新的治疗方式提供了新的方向，但FRGs与肿瘤免疫之间的潜在机制仍值得进一步研究。