目的 基于多种生物信息学手段识别原发性干燥综合征(pSS)中与铁死亡相关的基因并构建诊断模型，为pSS的诊断和治疗提供潜在靶点。方法 从GEO数据库中获得pSS的基因表达矩阵，应用R软件limma包识别出差异表达基因(DEGs)。通过加权基因共表达网络分析(WGCNA)识别pSS中最相关的模块化基因，从FerrDb数据库获得铁死亡相关基因集，将pSS中最相关的模块基因与DEGs和铁死亡相关基因取交Tamoxifen配制集识别出关键基因。通过2种机器学习算法去除冗余基因并构建由关键基因组成的诊断模型，在3个独立数据集中验证诊断模型的准确性，基于免疫浸润分析揭示关键基因与免疫细胞的关联，应用Seurat软件包分析单细胞数据集。结果 差异基因分析共获得265个DEGs, WGCNA获得1个与pSS最为相关的模块(r=0.44,P<immunocorrecting therapy0.01),从中识别8个铁死亡相关基因，去除冗余基因后，最终获得3个与铁死亡相关的关键基因(PARP9、PARP12、PARP14)。基于3个关键基因建立诊断模selleck产品型，该模型在3个独立数据集中均表现出优秀的诊断效能(受试者工作特征曲线中，曲线下面积分别为0.848、0.853、1.000)。免疫浸润分析和单细胞数据集分析结果提示，3个关键基因与树突状细胞、巨噬细胞和T细胞或B细胞存在显著关联。结论 本研究基于生物信息学手段识别出pSS中与铁死亡相关的3个关键基因(PARP9、PARP12、PARP14)并构建pSS诊断模型，为pSS的诊断提供了新的潜在工具。