目的:基于基因表达数据库中的肺结核样本数据,应用生物信息学方法筛选能同时区分肺结核患者、结核潜伏感染者和健康人群的差异表达基因,并使用数据挖掘算法加以验证,为肺结核早期明确诊断提供理论依据和有力工具。方法:对GSE19491、GSE37250、GSE42834数据集进行下载、注释等预处理,使用经验贝叶斯方法对3个数据集进行合并,去除批次效应。筛选肺结核患者、结核潜伏感染者和健康人群的差异表达基因,进行GO功能和KEGG通路富集和蛋白质相互作用网络分析。对3类人群共有的差异表达基因使用Lasso法降维和筛选,得到核心差异基因。基于核心差异基因采用十折交叉验证并重复100次训练验证模型。通过3×3混淆矩阵计算模型准确率和3类人群在模型中的精确率、召回率和F1值,综合评价模型的验证效果。结果:（1）经数据集合并处理后,合并数据集共有487个样本和19144个基因;以|log2FC|＞1.5,FDR值＜0.05为阈值发现肺结核患者与健康人群中共有差异表达基因787个,结核潜伏感染者与健康人群中共有差异表达基因355个,肺结核患者与结核潜伏感染者中共有差异表达基因1296个;差异表达基因主要富集于先天免疫反应、免疫反应、分泌调节免疫系统过程、防御反应、细胞激活等生物学通路;蛋白质相互作用网络丰富。（2）肺结核患者、结核潜伏感染者和健康人群的共有核心差异基因为34个,经Lasso特征选择后减少为18个;其中HRK、PNMA3基因在肺结核患者和结核潜伏感染者中呈上调表达,其余基因表达水平均在肺结核患者和结核潜伏感染者中呈下调表达;线性判别分析算法具有最高的准确率和F1值;EPSTI1、SLC26A8、GBP6等10个核心差异基因是能够区分肺结核患者、结核潜伏感染者和健康人群的潜在生物标志物。结论:生物信息学方法结合数据挖掘技术可以从分子和基因层面有助于判断肺结核的疾病进展,具有一定可行性和应用价值,为肺结核的精准诊断提供了方法和思路。