目的:通过生物信息学和机器学习的方法鉴定骨关节炎患者的滑膜诊断性生物标记物,并探究滑膜的免疫浸润情况。方法:从GEO（Gene Expression Omnibus）数据库,获得人骨关节炎滑膜成纤维细胞基因表达的4个芯片数据文件GSE29746和GSE55235,GSE55457,GSE82107作为训练集。样本实验组采自骨关节炎滑膜组织,对照组采自正常滑膜组织。下载芯片文件GSE12021作为验证组。训练集合并成一个元数据队列,去除批次效应。共有38份骨关节炎和41份对照样品。筛选两组间的差异基因。对差异基因进行基因本体论（GO）、疾病本体论（DO）及基因集富集分析（GSEA）分析。通过LASSO回归算法和支持向量机的递归特征消除法（SVM-RFE）分别筛选候选诊断基因集。两者算法的重叠基因的表达水平在GSE12021数据集上进一步验证。利用数据集表达数据生成ROC曲线。ROC曲线下面积（AUC）值用于判断骨关节炎和对照样本的诊断有效性。并在GSE12021数据集中进一步验证。使用CIBERSORT算法（https://cibersortx.stanford.edu/）用于计算免疫细胞浸润的相对比例。利用R软件中的Spearman秩相关分析,探讨鉴定出的基因标志物与浸润性免疫细胞水平的关系。统计分析:所有统计分析均使用R（4.1.0版本）进行。对连续变量进行分组比较,对正态分布的变量使用t检验异常变量的曼-惠特尼u检验分布。采用LASSO回归分析采用“glmnet”包,并采用支持向量机算法使用R“e1071”包进行SVM算法,ROC曲线分析确定诊断性生物标志物的诊断效能。利用Spearman相关分析生物标记物的基因表达和浸润免疫细胞的相关。所有的统计分析都是双侧的,P＜0.05为差异有统计学意义。结果:共筛选出两种60个差异基因。DO富集分析:基因集主要与慢性阻塞性肺疾病、骨关节炎、骨髓纤维化等疾病相关。GSEA富集途径主要涉及溶酶体,脂肪细胞因子信号通路细胞粘附分子,神经活性配体受体相互作用,氧化磷酸化。LASSO回归和SVM-RFE算法鉴别出含4个基因的诊断生物标记物:EPYC,APOLD1,NDUFA4L2,SLC27A6。4个基因的的生物标志物在鉴别骨关节炎和对照样本中具有良好的诊断价值,在GSE12021数据集上验证了其强大的鉴定能力。骨关节炎滑膜组织与对照滑膜组织中免疫细胞的组成,只有浆细胞有显著差异,在骨关节炎滑膜中明显高于正常组织。EPYC,SLC27A6与浆细胞浸润正相关。结论:APOLD1,EPYC,NDUFA4L2,SLC27A6可作为骨关节炎滑膜的诊断生物标志物。浆细胞可能参与了骨关节炎滑膜的免疫浸润,EPYC,SLC27A6与浆细胞浸润正相关。该研究为骨关节炎的发病和分子机制的进一步研究提供新的视角。