目的:通过筛选血管性痴呆(vascular dementia,Va D)的关键诊断基因,进一步为疾病的诊断及治疗提供靶标。方法:从GEO(gene expression omnibus,GEO)数据库下载GSE122063表达谱数据集,对数据集进行预处理,使用R软件的limma包进行差异分析筛选出差异表达基因(differentially expressed genes,DEGs),并对数据集进行WGSBE-β-CD核磁CNA(weighted gene co-expression network analysis,WG CNA)分析,将WGCNA分析中得到的与Va D高度相关的基因模块与上调的DEGs取交集得到候选关键基因,对这些候选关键基因进行GO(Biologic therapiesgen e ontology,GO)和KEGG(kyoto encyclopedia of genes and genomes,K EGG)分析,接着对这些候选基因进行LASSO(least absolute shrinkage an d selection operator,LASSO)回归和随机森林算法,其中随机森林算法选取相对重要性超过1.0的基因,二者取交集得到关键基因,利用筛选出的关键基因构建列线图诊断模型,并使用Bootstrap方法验证该模型的诊断价值,然后对这些关键基因进行单基因GSEA(gene set enrichment analys is,GESEA)分析,最后使用cibersort包对这些关键基因进行免疫浸润分析。结果:经差异分析共得到371个DEGs,其中包括130个上调基因,241个下调基因。WGCNA分析共得到了11个基因共表达模块,其中黑色模块与Va D的相关性最高(cor=0.67,p=9*10selleck PS-341-12),包含9057个基因,与上调的DEGs取交集后得到43个候选关键基因。GO分析显示,这些候选关键基因主要富集于黏着斑、细胞基质连接等部位,具有蛋白结合等分子功能,并参与细胞的热适应、蛋白折叠、核苷酸结合寡聚结构域的调控、微管成核的正向调控等生物学过程。KEGG分析显示,这些基因主要富集在多物种寿命调节通路、雌激素信号通路、内吞作用、MAPK信号通路上。LASSO分析得到了11个关键基因,随机森林算法选共得到13个关键基因,两者取交集后最终得到ACRC、PAPOLA、HSPB1、SLC5A3、HSPA1B这5个关键基因。构建列线图并验证,结果显示该模型诊断性能良好。这些关键基因的单基因GSEA分析主要富集到糖、蛋白质、氨基酸的代谢和免疫反应通路。幼稚B细胞、M2型巨噬细胞、中性粒细胞在V a D组和对照组之间有显著差异,其中M2型巨噬细胞和中性粒细胞在Va D患者中显著高表达。此外,各关键基因与M2型巨噬细胞和中性粒细胞呈正相关,与幼稚B细胞呈负相关。结论:ACRC、PAPOLA、HSPB1、SLC5A3、HSPA1B这五个基因与Va D的发生发展密切相关,可作为预测和诊断Va D的生物标志物。这些基因富集到糖、蛋白质、氨基酸代谢和免疫反应通路,这可能是Va D的潜在治疗靶标。