目的分析阿尔茨海默病(Alzheimer’s,AD)免疫相关的生物标志物、发病机制、免疫浸润水平和潜在的靶向药食同源中药。方法从GEO数据库中下载GSE5281、GSE132903数据集的表达谱,获得AD差异表达基因(differentially expressed genes,DEGs)。采用加权共表达算法鉴定出AD重要模块基因,再从Imm Port Portal数据库获取免疫相关基因(immune-related genes,IRGs),将这些基因取交集得到免疫重要差异基因;随后应用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)及机器学习-支持向量机递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)方法进行分析,筛选出AD共同的免疫相关标志物,并通过基因本体(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)、基因集富集分析(gene set enrichment analysis,GSEA)探索生物途径。然后,通过受试者工作特征(receiver operator characteristic,ROC)曲线来评估其鉴别能力,并在GSE122063数据集中进行验证。此外,建立临床列线图和曲线进行临床应用评估。基于转录样本中不同细胞类型相对丰度算法(cell-type identification by estimating relative subsets of RNA transcripts,Cibersort)和单样本基因集富集分析(single-sample gene set enrichment analysis,ss GSEA)进行免疫细胞浸润分析。最后,运用Coremine Medical、Herb数据库进行中药和成分分析,并进行分子对接和动力学模拟。结果共筛选出1360个DEGs和富半胱氨酸和甘氨酸的蛋白质1(cysteine and glycine rich protein 1,CSRP1)、胶质纤维酸性蛋白(glial fibrillary acidic protein,GFAP)、白细胞介素4受体(interleukin 4 receptor,IL4R)、生长抑素(somatostatin,SST)、人核因子-κB抑制蛋白α(nuclear factor-kappa B inhibitor alpha,NFKBIA)5个生物标志物。GO分析显示AD与神经系统发育和细胞发育的正向调节高度相关;KEGG和GSEA富集结果显示AD与B细胞受体信号�
