目的:本研究旨在利用GEO数据库中收集到的肺结节病基因表达谱数据,应用SAM算法和随机森林算法相结合的方法进行差异基因筛选,通过对肺结节病基因表达谱数据进行一系列的生物信息学分析,研究与肺结节病相关的基因并鉴定其关键调控基因,为肺结节病病因及发病机制的研究提供新的视角,促进人群健康。方法:本研究对肺结节病基因表达谱数据的生物信息学分析可粗略分为数据预处理、差异表达基因筛选和基因功能富集分析及PPI分析三个部分。首先,利用线上GEO数据库,从数据库找到并下载得到肺结节病原始数据,使用稳健多阵列平均算法（RMA）对肺结节病原始数据进行数据进行标准化等预处理,获得利于后续分析的基因表达矩阵。然后,使用SAM算法对处理好的矩阵数据进行初步的差异筛选。随后,对SAM算法初筛得到的差异表达矩阵数据建立随机森林分类模型后,根据随机森林算法给出基因重要性评分,筛选得到最后的差异表达基因。此外,本研究还对所使用的筛选方法与常见的差异基因筛选方法稳健t检验法等进行了稳定性的比较。在获得有意义的肺结节病差异基因后,我们利用在线数据库对肺结节病差异基因进行GO及KEGG富集分析。最后利用STRING数据库对差异表达基因构建蛋白相互相互作用网络,经Cytoscape软件可视化后,使用相关算法找到与肺结节病相关的关键基因。结果:经过SAM算法初筛,得到了9268个差异表达基因。随后建立随机森林分类模型,获得差异表达基因重要性排序,筛选得466个重要差异表达基因。对随机森林算法筛选获得差异表达基因,我们进行了GO功能富集分析和KEGG通路富集分析。通过GO富集分析发现,肺结节病差异表达基因在生物过程上,主要参与了血糖稳态、RNA剪接的调控、氧化还原反应、支气管软骨发育、组织稳态等生物过程;在参与生成的细胞成分上,差异表达基因主要富集在线粒体膜间隙上;在参与的分子功能上,差异表达基因主要参与了水解酶活性等分子功能。通过KEGG通路富集分析,发现差异表达基因主要与嘧啶代谢等代谢途径、ABC转运蛋白通路、趋化因子信号通路、Jak-STAT信号通路、c GMP-PKG信号通路、耐EGFR酪氨酸激酶抑制剂通路、耶尔森菌感染途径、人巨细胞病毒感染以及RNA转运等通路有关。通过STRING数据库,我们构建了466个差异表达基因的蛋白-蛋白相互作用网络图,获得了376个节点,390条边。经过Cytoscape软件可视化后,在cyto Hubba程序中按照四种算法排序的前20个基因进行重叠,一共得到了6个核心基因,分别是AKT1、STAT3、ALYREF、PA2G4、CTGF以及IL13。结论:与常见的稳健t检验筛选方法相比,微阵列显著性分析（SAM）和随机森林算法相结合的方法筛选差异表达基因精确性更好,共获得466个差异表达基因。对筛选得到的差异表达基因进行GO和KEGG富集分析,结果与已有研究基本一致。对肺结节病差异表达基因构建PPI网络及hub基因筛选,得到调控肺结节病发生的关键基因为AKT1、STAT3、ALYREF、PA2G4、CTGF以及IL13。其中STAT3、IL13基因对肺结节病发生的重要性已在相关研究中得到证实。