摘要[目的]基于微阵列数据挖掘乳腺癌的生物标志物,筛选其靶向中药.[方法]下载乳腺癌的临床微阵列数据以筛选差异表达基因,构建基因共表达网络,并基于12种算法筛选核心基因.通过卡普兰迈尔(Kaplan-Meier)和比例风险回归模型(Cox proportional hazards model)筛选预后基因,构建预后模型并挖掘相关微RNA(miRNAs).最后,预测其靶向中药及小分子,并通过分子建模和分子对接验证其结合力.[结果]共获得464个差异表达基因,包括50个核心基因.其中,酰基辅酶 A 合成酶长链家族成员 1(Acyl-CoA Synthetase Long Chain Family Member 1,ACSL1),CD24分子(CD24 Molecule,CD24),谷氨酰氧乙酸转氨酶 2(Glutamic-Oxaloacetic Transaminase 2,GOT2)和角蛋白(Keratin 14,KRT14)可被has-miR-373等20个microRNAs调控,是乳腺癌的预后标志物.大青叶、麻黄、雷公藤等35种中药所包含的汉防己甲素等13种成分是上述标志物的靶向药物,且它们的结合能均小于-4.0 kcal/mol.[结论]ACSL1[log-rank P=0.039,风险比=1.4(95％CI,1.02-1.94)],CD24[log-rank P=0,风险比=1.98(95％ CI,1.42-2.76)],GOT2[log-rank P=0.046,风险比=1.38(95％ CI,1.01-1.91)]和 KRT14[log-rank P=0.003,风险比=0.612(95％ CI,0.444-0.843)]是乳腺癌的潜在生物标志物,且汉防己甲素等13种成分是其潜在的靶向药物(结合能均小于-4.0 kcal/mol),这为乳腺癌的诊疗提供了新思路.