目的：本研究旨在探讨SERINC1在肺癌预后中的作用。方法：从GEO数据库下载了肺癌的单细胞测序scRNA数据，提取上皮细胞显著表达基因。同时Xena数据库下载TCGA数据，并进行了差异分析。将以上两者差异显著表达基因取交集，得到了上皮细胞差异基因。使用Lasso、随机森林、GBM、XGBoost等多种机器学习算法取交集，得到了FAM107A,SERINC1, MDK，GGCT，AVL9和FEZ1六个交集基因。由于SERINC1在肺癌中还未被研究，我们对SERINC1进行了一系列的临床相关性分析，包括诊断ROC分析、表达分析、富集分析、生存分析、蛋白表达、蛋白互作分析以及免疫浸润分析。结果：通过单细胞测序和机器学习筛选出了目标基因SERINC1。ROC分析SERINC1的AUC值高达0.972，显示出很高的诊断效能。蛋白互作网络和基因互作网络挖掘潜在。K-M曲线显示，SERINC1表达高的患者的预后明显好于表达量低的患者，其HR值为0.71（95%置信区间为0.63-0.81）和0.48（95%置信区间为0.39-0.61），这表明基因表达量越高的患者预后更好。免疫浸润分析揭示，SERINC1与多种免疫细胞相关，且与多种T细胞的标志基因集相关。结论：SERINC1是肺癌的一个有前景的预后标志物，且与免疫浸润相关。