摘要目的 膀胱癌(bladder cancer,BLCA)是常见的疾病,其发病机制不清楚,本研究旨在发现膀胱癌的关键基因,为今后的预防和治疗提供依据.方法 从美国生物技术信息中心NCBI的GEO(Gene Expression Omnibus)数据库中获取膀胱癌数据集GSE121711,对GEO数据进行加权基因共表达网络分析(weighted gene coexpression network analysis,WGC N A)鉴定样品中与BLCA高度相关的基因模块,提取差异表达基因(differentially expressed gene,DEG)和模块中基因的交集基因,交集基因做基因本体论(gene ontology,GO)和京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)分析,进一步通过蛋白互作(protein-protein interaction,PPI)网络筛选degree值最高的关键基因,之后进行聚类分析.最后,利用LASSO建立诊断模型.采用反转录实时定量聚合酶链式反应(RT-qPCR)检测枢纽基因在BLCA组织与正常组织中的表达情况.结果 WGCNA显示黑色模块与膀胱癌的关联性最显著,黑色模块中有611个基因并与 DEG取交集,得到449个共有基因.利用LASSO构建由RAC3、APOL4、FASN和CLASRP组成的诊断模型,利用受试者工作特征(receiver operating characteristic,ROC)曲线进行了 365天(1年)、1095天(3年)、1825天(5年)时间点的分析,曲线下面积(area under curve,AUC)分别为80％、82％、85％.并在GSE101723和GSE83586的合并数据集上进行验证,发现结果与生物信息学的结果相似.BLCA组织中枢纽基因RAC3、APOL4、FASN 和 CLASRP mRNA 相对表达量显著高于正常组织(t=8.074,P＜0.0001;t=3.577,P＜0.001;t=12.241,P＜0.0001;t=8.846,P＜0.0001).结论 本研究构建了 BLCA诊断模型,发现RAC3、APOL4、FASN和CLASRP是潜在的生物学标志物,可能为提高膀胱癌的早期诊断和治疗提供新的依据.