来源：期刊VIP网 时间：
作者：唐然;蒋格格;孟祥文;蔡政;金莉;项楠;张敏;贾晓益;
单位：安徽中医药大学药学院;安徽省活性天然产物重点实验室;中国科学大学附属第一医院(安徽省立医院)风湿免疫科;
摘要：目的 基于机器学习算法和结构生物学预测，筛选系统性红斑狼疮(SLE)的潜在生物标志物，揭示其作用机制，为SLE诊断和治疗提供新靶点。方法 利用随机森林(RF)、极限梯度提升算法(XGBoost)、支持向量机(SVM)、最小绝对收缩和选择算子(LASSO)4种机器学习算法，分析基因表达综合数据库GEO(数据集：GSE121239和GSE11907)中SLE患者基因表达数据，筛选关键标志物。收集SLE患者外周血单个核细胞(PBMCs),采用RT-qPCR法检测差异基因的表达水平。利用GSEA富集分析来确定生物标志物相关通路。应用CIBERSORT免疫浸润分析和蛋白互作网络计算样本免疫细胞浸润丰度。分析单细胞数据在免疫细胞中的基因表达特异性，并结合AlphaFold3(AF3)预测相互作用关系。结果 多种算法一起筛选出独特的标记基因HERC5;多个数据集的表达分析显示，与正常组相比，HERC5在SLE中高表达(P<0.05),RT-qPCR验证了相同的趋势(P=0.006 2)。功能富集分析确定SLE中HERC5促进的主要途径为干扰素受体信号通路(P<0.05)。免疫浸润分析显示HERC5与免疫细胞密切相关(中性粒细胞：r=0.39,P<0.05;记忆B细胞：r=0.33,P<0.05;激活的树突状细胞：r=0.52,P<0.05)。大多数HERC5相关相互作用蛋白与SLE相关，HERC5及其相关基因的潜在转录因子也与免疫反应显著相关。结论 HERC5基因是SLE重要的生物标志物，其可能通过干扰素通路促进SLE进展，为SLE诊断和治疗提供新靶点。
关键词：系统性红斑狼疮;;机器学习;;生物信息学;;HERC5;;干扰素通路;;生物标志物
基金资助：国家自然科学基金项目(编号：82074090);; 安徽省教育厅重点项目(编号：2024AH052061、 2024AH040154)~~
