本研究采用UPLC-MS/MS技术分析SLE（Systemic Lupus Erythematosus，SLE）/LN（Lupus Nephritis,LN）患者与健康人的血清代谢组，筛选疾病相关代谢物，并结合机器学习构建诊断模型，以发掘用于SLE和LN早期诊断及机制研究的新型生物标志物。

回顾性分析 2022年12月至2023年12月来自新疆⾃治区⼈⺠医院医院30 例单纯性红斑狼疮患者，60例狼疮肾炎患者的血清样品，并使用超强液相色谱高分辨率高分辨率高分辨率质谱法（UPLC-HRMS）分析了匹配的健康对照。部分最小二乘判别分析（PLS-DA）和正交 PLS-DA（OPLS-DA）用于鉴定差异代谢物，利用LASSO、XGBoost和RandomFores机器学习方法建立诊断模型，采用受试者工作特征曲线验证了代谢物对区分SLE/LN的区分度和有效性。

总共检测到了 1344 个代谢物，三种算法筛选结果取交集，剔除单一算法可能筛选出的噪声特征，同时确保选出的代谢物具有较高的一致性和显著的诊断能力，在LN患者和单纯SLE患者之间共得到3个具有生物标志的代谢物，分别是(r)-(+)-arachidonyl-1'-hydroxy-2'-propylamide、Palmitamide、Pro-Trp，对照组相比，SLE 患者的两种关键代谢物分别是1,6-anhydro-.beta.-d-glucose和4-hydroxy-l-glutamic acid。在所有三种模型中，(r)-(+)-arachidonyl-1'-hydroxy-2'-propylamide，均表现出较高的诊断效能，其中XGBoost模型中的最高诊断效能AUC 为0.941，Palmitamide在LASSO模型中，AUC值显著提高至0.938，显示出极高的诊断效能。此外，本研究发现红斑狼疮患者与健康人群患者代谢物中，4-hydroxy-l-glutamic acid在所有模型中均表现出较高的诊断效能，尤其是在LASSO模型中表现最佳AUC 为0.92。采用Spearman相关分析揭示了代谢物Palmitamide和Pro-Trp与狼疮肾炎病理类型呈显著负相关，且Palmitamide与SLEDAI评分及ESR呈正相关，提示其潜在临床关联性与疾病活动度及严重程度有关。

这项研究证明了机器学习算法在代谢组学数据中的应用，用于 系统性红斑狼疮与健康人群分类，并将色氨酸鉴定为潜在的 SLE 特异性生物标志物。