摘要本研究旨在基于多源转录组数据与机器学习算法,筛选出能准确识别阿尔茨海默病(Alzheimer's disease,AD)的特征基因并构建竞争性内源RNA(competing endogenous RNA,ceRNA)调控网络,揭示其在AD病例进程中的表达机制.通过整合GEO数据库中AD人脑组织转录组数据(训练集:GSE37263、GSE122063、GSE138260;验证集:GSE5281),采用主成分分析(principal component analysis,PCA)进行聚类并筛选差异表达基因(differentially expressed genes,DEGs),联合最小绝对值收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归、支持向量机(support vector machine,SVM)与随机森林(random forest,RF)机器学习算法,筛选出AD相关特征基因,并进行GO和KEGG分析,显示其富集的功能通路.同时对特征基因CARTPT高/低表达组DEGs进行基因集富集分析(gene set enrichment analysis,GSEA)与基因集变异分析(gene set variation analysis,GSVA),得出高/低表达组中富集通路的差异.最后进行免疫细胞浸润分析,构建ceRNA调控网络.鉴定出 4 个 AD 相关特征基因(CARTPT、FCGBP、NPTX2、RBM3),多基因联合诊断模型 AUC 达 0.945(95%CI:0.904～0.977).其中,CARTPT在独立验证集中表现出最优的疾病识别效能,CARTPT基因调控网络与AD病理进程之间密切相关.CARTPT可能通过调节内源性大麻素信号、神经活性配体信号通路、核苷酸代谢、嘌呤代谢等,减缓AD进展.基于GSEA和GSVA的多维度解析显示:CARTPT高表达组与促炎、组织重构及NOTCH信号驱动的细胞命运调控相关;而低表达组呈现氧化磷酸化代谢亢进与帕金森病相关通路富集,导致神经代谢紊乱和能量代谢抑制.通过免疫微环境分析,发现CARTPT的表达水平与初始B细胞丰度呈显著负相关,而仅有静息肥大细胞在AD病理进程中存在差异性,CARTPT可能并非通过调控免疫微环境参与AD的病理进程.最后,通过构建ceRNA调控网络,从系统层面解析基因表达的调控机制.本研究整合多组学数据与机器学习算法,筛选出 4 个AD潜在关联基因(CARTPT、FCGBP、NPTX2、RBM3),构建的多基因诊断模型在训练集中显示优异性能(AUC=0.945).其中CARTPT在独立验证集(AUC=0.793)中展现诊断潜力,其参与的神经递质与代谢通路(如内源性大麻素信号、嘌呤代谢)为探索AD机制提供有价值的参考.