摘要目的:采用生物信息学和机器学习的方法,初步探索溃疡性结肠炎(UC)活动期与非活动期的特征基因,并预测UC治疗的潜在靶向中药.方法:利用GEO数据库选取GSE179285,GSE38713,GSE75214,GSE48959等4个数据集,采用GEO2R在线分析方法分别进行UC活动期与非活动期的差异表达基因(DEGs)筛选,在Metascape中对UC活动期与非活动期DEGs进行GO分析及KEGG通路富集分析,利用STRING12.0数据库进行UC活动期与非活动期DEGs的PPI网络构建,采用Cytoscape软件得到UC活动期和UC非活动期的特征基因,将特征基因输入Coremine Medical进行靶向中药的初步筛选.结果:筛选出UC活动期DEGs 365个,UC非活动期DEGs 292个.UC活动期DEGs主要涉及对细菌的反应、炎症反应、免疫球蛋白介导的免疫反应、CXCR趋化因子受体结合等生物学过程,KEGG通路主要富集在金黄色葡萄球菌感染和胆汁分泌上.UC非活动期DEGs主要涉及对激素的反应、单羧酸代谢过程、有机阴离子传输、细胞运动的负调控、脂质定位、MAPK级联的调节、细胞粘附分子结合、激酶结合等生物学过程,KEGG通路主要集中在视黄醇代谢、蛋白质消化和吸收.PPI网络构建及Cytoscape得到UC活动期特征基因IL1B、CXCL8、CXCL10、MMP9、IL1A、ICAM1、CXCL1、CXCR2、CCL2、CXCL13,UC非活动期特征基因CDC42、FN1、CDH1、EZR、IQGAP1、WASL、GSN、TFRC、GJA1、CTNNA1.通过Coremine Medical平台进一步筛选出治疗UC活动期与非活动期的潜在中药共22种.结论:该研究通过分析UC活动期与非活动期的DEGs,筛选UC活动期与非活动期的特征基因,从而预测UC治疗的靶向中药,为治疗UC活动期与非活动期提出了更精确的治疗方案.