摘要目的 建立基于基因表达综合数据库(GEO)阿尔茨海默病(AD)溶酶体相关基因的随机森林和人工神经网络联合诊断模型并评价其效果.方法 收集GEO中AD患者的资料,使用随机森林筛选AD中溶酶体相关的特征基因,使用特征基因构建用于诊断AD的人工神经网络模型.对模型进行验证,通过曲线下面积分析评价模型的临床应用价值.同时,计算AD中免疫细胞的浸润情况,分析特征基因与免疫细胞浸润的关系.结果 在AD和正常样本中鉴定出20个溶酶体相关基因,最终通过随机森林筛选得到最相关的8个特征基因[淀粉样前体蛋白(APP)、艾杜糖-2-硫酸酯酶(IDS)、RAS致癌基因家族成员RAB6A、β-甘露糖苷酶(MANBA)、脱氧核糖核酸酶-2-β(DNASE2B)、RAB11家族相互作用蛋白(RAB11FIP)3、中性粒细胞胞质因子(NCF)4、衔接因子相关蛋白复合体1,γ2亚基(AP1G)2],并构建人工神经网络诊断模型.使用该模型,绘制了训练组和验证组诊断的受试者工作特征(ROC)曲线,曲线下面积分别为0.934和0.690.同时,对AD组和正常组进行免疫测定,结果显示AD中B细胞、中性粒细胞、自然杀伤细胞、浆细胞样树突细胞、辅助性T细胞、肿瘤浸润淋巴细胞、调节性T细胞、抗原呈递共抑制、抗原呈递共刺激、趋化因子C-C-基序受体、检查点、人类白细胞抗原、主要组织相容性复合体Ⅰ类分子、低度炎症、T细胞共抑制、T细胞共刺激、Ⅰ型干扰素反应、Ⅱ型干扰素反应高表达;而CD8+T细胞、未成熟树突状细胞、肥大细胞、滤泡辅助性T细胞、Th1细胞则低表达.同时,DNASE2B、NCF4、RAB11FIP3、AP1G2、MANBA、RAB6A、IDS基因与免疫浸润中的1个或多个细胞及功能具有显著相关性.结论 构建的8个溶酶体相关基因的人工神经网络诊断模型可用于诊断AD.同时,特征基因影响AD的免疫浸润,可以为探索AD的治疗及相关机制提供新的视角.