〔摘　要〕 目的 基于机器学习算法和结构生物学预测、筛选系统性红斑狼疮（SLE）的潜在生物标志物，揭示其作用机制，为疾病诊断和治疗提供新靶点。方法 利用随机森林（RF）、极限梯度提升算法（XGBoost）、支持向量机（SVM）、最小绝对收缩和选择算子（LASSO）4种机器学习算法，分析基因表达综合数据库GEO（数据集：GSE121239和GSE11907）中SLE患者基因表达数据，筛选关键标志物。收集SLE患者外周血单个核细胞（PBMCs），采用RT-qPCR法检测差异基因的表达水平。利用GSEA富集分析来确定生物标志物相关通路。应用CIBERSORT免疫浸润分析和蛋白互作网络计算样本免疫细胞浸润丰度。分析单细胞数据在免疫细胞中的基因表达特异性。并结合AlphaFold3（AF3）预测相互作用关系。结果 多种算法一起筛选出独特的标记基因HERC5；多个数据集的表达分析显示，与正常组相比，HERC5在SLE中高表达（P < 0.05），RT-qPCR验证了相同的趋势（P=0.006 2）。功能富集分析确定SLE中HERC5促进的主要途径为IFN受体信号通路（P < 0.05）。免疫浸润分析显示HERC5与免疫细胞密切相关（中性粒细胞：r=0.39，P < 0.05；记忆B细胞：r=0.33，P < 0.05；激活的树突状细胞：r=0.52，P < 0.05）。大多数HERC5相关相互作用蛋白与SLE相关，HERC5及其相关基因的潜在转录因子也与免疫反应显著相关。结论 HERC5基因是SLE重要的生物标志物，其可能通过IFN通路促进SLE进展，为SLE诊断和治疗提供新靶点。