目的:通过Affymetrix m RNA芯片,对大鼠骨骼肌不同损伤程度影响下损伤时间的表达谱进行分析,利用主成分分析、LASSO回归筛选能够推断损伤程度的生物标志物;在不同损伤程度的骨骼肌中,利用时间序列分析筛选能够进行损伤时间推断的生物标志物,对所筛选出的指标进行基因本体注释和KEGG通路分析,以期为损伤程度和损伤时间推断提供新的生物标志物。方法:本研究所用的33只实验动物为雄性Sprague-Dewley大鼠,10-12周龄,体质量为250-300g。所有大鼠随机分为三组:即正常对照组（n=3）、轻度挫伤组（n=15）、重度挫伤组（n=15）,轻度挫伤组、重度挫伤组随机分为5个不同的损伤时间亚组（1h,3h,24h,48h和168h）,每组3只大鼠。然后对33个样本进行m RNA芯片检测。和对照组相比,对实验组基因表达谱进行差异基因的筛选,筛选标准为p＜0.05,FDR＜0.05且fold change＞2或fold change＜-2。对轻度挫伤组和重度挫伤组各自特有的差异基因通过主成分分析,LASSO回归分析,筛选出15个区分损伤程度的指标;分别对轻度挫伤组和重度挫伤组的差异基因通过R语言的“time course”包进行时间序列分析,分别筛选出对轻度、重度挫伤损伤时间推断有价值的60个候选基因,对所筛选的候选基因进行基因本体分析和KEGG通路分析;并使用Fisher判别分析对所筛选的15个区分损伤程度的生物标志物和60个轻度挫伤组以及60个重度挫伤组损伤时间推断的生物标志物进行验证。结果:与对照组相比,轻度挫伤组有2844个差异基因,重度挫伤组有2298个差异基因。从轻度挫伤组和重度挫伤组各自特有的差异基因中,筛选出15个可以区分轻、重度挫伤的关键基因,包括Apip、Cecr2、Fam220a、Gps2、Hivep2、Mllt3、Myadml2、Ntn1、Oxa1l、Spa17、Tmem248、Trim72、Ttc7b、Ubald1、Yeats4。在轻度挫伤组和重度挫伤组中,分别筛选出60个能够推断轻度损伤时间和重度损伤时间的生物学指标。在功能分析中,发现筛选出的基因主要和细胞增值、炎症反应有关,集中在IL-17和造血细胞谱系信号通路。对15个区分轻、重度挫伤的基因应用Fisher判别方法建立损伤程度判别模型,原始分类准确率为100%,内部交叉验证准确率为90.9%;在轻度挫伤组损伤时间推断的研究中,应用SPSS 22.0利用逐步法对60个候选基因建立Fisher判别（FDA）模型,结果11个变量进入模型,分别是Lgmn、PVR、Hmox1、Egr1、Socs3、Ankrd1、Cd8a、Pfkfb1、Msr1、Tnni1、Myl3,建立的模型可以将原始分组样本正确的分类,准确率为100%,（该模型的原始分组样本的分类准确率高达100%）内部交叉验证的准确率为94.4%;在重度挫伤组损伤时间推断的研究中,同样使用逐步法对60个候选基因建立FDA模型,结果11个变量进入模型,分别是Apoe、Hmox1、Clec4a1、Egr1、Rrad、Il1rn、Akr1b8、C3ar1、Pltp、Ly49si1、Lilrb4,建立的模型可以对原始分组样本全部正确分类（该模型的原始分组样本的分类准确率高达100%）,内部交叉验证的准确率为100%。结论:通过主成分分析法和LASSO回归从芯片基因表达谱数据中筛选出15个能够推断轻重度挫伤的生物标志物;运用时间序列分析,从轻度挫伤组和重度挫伤组差异基因中分别筛选出60个能够用于损伤时间推断的潜在生物标志物;最终用于验证生物标志物的Fisher判别显示其推断效能良好。所筛选出的指标在损伤程度和损伤时间推断中展示出巨大的潜力。