摘要目的 探索铁死亡相关基因在脊髓损伤(SCI)中的表达及作用机制,预测SCI铁死亡相关生物标志物,进行药物敏感性检测及中药预测.方法 基于生物信息学与机器学习算法,下载GSE24179 数据集,通过limma R包筛选差异基因,构建蛋白互作(PPI)网络进行修剪从而筛选差异表达基因(DEGs).获得铁死亡相关基因,通过支持向量机(SVM)及受试者工作特征(ROC)曲线进行决策及评估以筛选潜在生物标志物,再进行免疫浸润分析,CellMiner数据库进行药物敏感性预测,LASSO回归模型确定生物标志物.通过TCD数据库及Coremine数据库构建中药-化学成分-基因调控轴,统计性味归经并总结关键中药.结果 获取128 个DEGs,生物功能包含脂质代谢、氧化应激与铁死亡密切相关;获得 12 个铁死亡相关的差异表达基因(FRDEGs),经SVM决策及ROC曲线评估共纳入10 个铁死亡相关生物标志物(PFRBs),PFRBs中多数基因存在线性相关,以Arnt样蛋白1(ARNTL)-核受体共激活因子 3(NCOA3)相关性最强;免疫浸润分析组间对比显示,ARNTL与NBCs、MBCs、gdTCs、Mono相关皆有统计学意义,与NBCs的相关性尤为显著;药敏预测显示,6-巯基嘌呤对ARNTL及AKR1C3 敏感;LASSO回归模型显示,NCOA3、CYP4F8 及AKR1C3 为保持预测性能的最小变量区间;中药预测结果显示,药味多为苦、甘、辛,药性多寒、温,表里经多为脾胃和肺大肠,生姜、菟丝子、红花、火麻仁是关键中药.结论 ARNT和NCOA3 可能通过铁死亡途径介导调控初始B细胞从而干预SCI的免疫微环境,6-巯基嘌呤的药物敏感性最强,部分类药/药性化学成分及中药能够干预SCI,尤其是匹立尼酸及生姜,其中的相关性有待深究.