目的 利用生物信息學與機器學習來鑒定脂多糖誘導小鼠急性肺損傷的特征基因。方法 從基因表達數據庫下載小鼠急性肺損傷數據集（GSE2411、GSE111241和GSE18341）。對GSE2411和GSE111241進行差異分析，隨后進行功能富集分析和GSEA富集分析。將差異表達基因（differentially expressed genes，DEGs）取交集，利用機器學習鑒定標志物，并使用受試者操作特征曲線評估標志物診斷能力，在GSE18341進行驗證。最后利用CIBERSORT分析免疫浸潤，并做標志物的免疫相關性分析。結果 共獲得29個交集DEGs，主要參與白細胞介素17、細胞因子-細胞因子受體相互作用、腫瘤壞死因子和NOD樣受體信號等通路。機器學習結合蛋白互作網絡共篩選出兩個關鍵標志物Gpx2與Ifi44。Gpx2為鐵死亡標志物，Ifi44為干擾素誘導蛋白，均參與免疫調控。免疫相關性分析表明Gpx2和Ifi44與中性粒細胞、輔助性T細胞17和M1巨噬細胞等細胞相關度較高。結論 Gpx2與Ifi44具有潛在的免疫調節能力，可能是預測和治療小鼠急性肺損傷的潛在生物標志物。