目的：铜死亡和铁死亡可以调节肿瘤的生物学行为。因此，结合铜死亡、铁死亡和长链非编码RNA(long non-coding RNA,lncRNA)的生物标志物有望成为癌症临床治疗的候选生物指标。本研究基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库筛选铜死亡和铁死亡相关lncRNA，构建肝细胞癌的预后风险模型。方法：采用多种生物信息学方法，包括Pearson相关性分析、差异性分析、单变量Cox回归分析、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)分析以及多变量Cox回归分析构建预测模型，并将患者分为高风险组和低风险组。采用Kaplan-Meier(K-M)生存分析和受试者操作特征(receiver operating characteristic,ROC)曲线分析和评估模型的临床疗效。基于模型所区分的高、低风险组，进行功能富集分析、基因突变分析、免疫相关分析和药物敏感性分析。结果：得到2 074个铜死亡和铁死亡相关差异lncRNA，经过严格筛选，最终整合10个与肝细胞癌预后最为相关的lncRNA(LINC02561、 AC006372.2、 AL603839.2、 AC009974.2、 POLH-AS1、 AP006222.2、AP001631.2、AC073573.1、AC244034.2和AC007998.3)，并以此构建风险模型。K-M生存曲线显示不同风险组之间的生存率差异有统计学意义(P<0.001)。ROC曲线分析表明：该模型中训练集的曲线下面积(area under curve,AUC)为0.805，测试集的AUC为0.742。高风险组患者基因突变频率更高，预后更差，且更容易从免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)疗法中获益。在高风险组中，多种化学治疗药物(如阿霉素、紫杉醇、舒尼替尼等)的半数抑制浓度更低。结论：基于铜死亡和铁死亡相关lncRNA的风险模型能够独立预测肝细胞癌患者的生存期，可为患者接受免疫治疗和化学治疗提供参考。