[摘要]"目的"通过生物信息学及机器学习挖掘糖尿病足溃疡(diabetic"foot"ulcer，DFU)中线粒体自噬相关靶基因并分析其免疫相关性。方法"通过基因表达综合数据库(Gene"Expression"Omnibus，GEO)获得糖尿病足溃疡相关数据集并筛选差异基因(differential"expressed"genes，DEGs)，在Genecards数据库获得线粒体自噬相关基因，二者取交集后对所获得的交集基因进行基因本体论(gene"ontology，GO)、京都基因与基因组百科全书(Kyoto"Encyclopedia"of"Genes"and"Genomes，KEGG)、蛋白质-蛋白质相互作用(protein-protein"interaction，PPI)分析，利用PPI筛选出核心基因后使用支持向量机递归特征消除、最小绝对收缩和选择算子、随机森林、极端梯度提升4种机器学习模型挖掘线粒体自噬相关靶基因。对DEGs进行免疫浸润分析，将分析结果与靶基因交汇获得靶基因与免疫浸润的相关性。结果"GO富集结果显示主要富集于线粒体自噬的调节等，KEGG富集结果显示主要富集于低氧诱导因子-1信号通路、p53信号通路、AMPK信号通路等。机器学习结果显示TP53、CYCS为靶基因。免疫浸润结果显示TP53与浆细胞、调节性T细胞、辅助性滤泡T细胞、CD8+T细胞、单核细胞有明显相关性。CYCS与记忆B细胞、CD8+T细胞、单核细胞、浆细胞、调节性T细胞有明显相关性。结论"TP53、CYCS可能是糖尿病足溃疡中调节线粒体自噬的靶基因，对改善氧化应激具有关键作用；且浆细胞、T细胞等免疫细胞失调也可能对线粒体自噬有一定影响。

    [关键词]"生物信息学；机器学习；糖尿病足溃疡；线粒体自噬

    [中图分类号]"R34""""""[文献标识码]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.02.008

    Mining"mitophagy-related"target"genesnbsp;in"diabetic"foot"ulcers"and"analysing"their"immune"relevance"based"on"bioinformatics"analysis"and"machine"learning

    WU"Yu，"SHAN"Bin，"ZENG"Zhaoyang

    College"of"Integrated"Traditional"Chinese"and"Western"Medicine ......