目的：脓毒症诱导的肺损伤（SLI）是脓毒症的一种严重并发症。泛凋亡是一种新的炎症性程序性细胞死亡形式，尚未在SLI中得到充分研究。我们的研究目的是通过生物信息学和体内实验来筛选和验证SLI中泛凋亡的特征基因。

方法：从NCBI基因表达综合数据库（GEO）中下载SLI相关数据集。鉴定了SLI的差异表达基因（DEGs），并与泛凋亡基因集取交集，获得与泛凋亡相关的DEGs（SPAN_DEGs）。然后，基于SPAN_DEGs进行蛋白-蛋白相互作用（PPI）网络和功能富集分析。结合SVM-REF、LASSO和随机森林三种算法来识别特征基因。采用列线图和ROC曲线来预测诊断价值。采用免疫浸润分析、相关性分析和差异表达分析，探讨特征基因的免疫学特征、相关性和表达水平。最后，通过进行H&E染色和qRT-PCR检测，以进行进一步的体内实验验证。

结果：将675个DEGs与277个泛凋亡基因取交集，鉴定出24个SPAN_DEGs。通过3种机器学习算法鉴定出4个特征基因（CD14、GSDMD、IL-1β和FAS），这些基因在SLI组中高表达，在诊断模型中具有较高的诊断价值。此外，免疫浸润分析显示，SLI组的大部分免疫细胞和免疫相关功能均高于对照组，且与特征基因密切相关。最后证实盲肠结扎穿刺（CLP）组小鼠肺组织有明显的病理损伤，CD14、IL-1β、FAS mRNA表达水平显著高于假手术组。

结论： CD14、FAS和IL-1β可能是泛凋亡中驱动SLI进展并参与调节免疫过程的特征基因。

关键词：脓毒症、肺损伤、细胞凋亡、机器学习、免疫浸润分析