本研究旨在整合转录组与单细胞转录组数据，结合机器学习方法，系统性鉴定系统性红斑狼疮（SLE）免疫衰老相关的关键生物标志物，构建诊断模型，并解析其在免疫微环境与细胞互作网络中的潜在机制，为SLE的早期诊断与靶向治疗提供新依据。

从GEO数据库获取SLE血液转录组数据集（GSE49454为训练集、GSE81622为验证集）及外周血单细胞数据集（GSE135779）。基于衰老相关基因集与免疫相关基因集，通过差异表达分析与三种机器学习算法（LASSO、SVM-RFE、XGBoost）筛选核心标志物，利用ROC曲线与表达量验证进行交叉验证，并构建列线图诊断模型。在单细胞层面开展细胞注释、细胞通讯、拟时序轨迹及ReactomeGSA富集分析，重点探索ATM与XAF1在免疫细胞亚群中的表达特征与功能定位

通过差异表达与交集分析获得8个SLE免疫衰老候选基因，经机器学习交叉验证锁定ATM与XAF1为核心标志物。二者在训练集（AUC分别为0.847、0.899）与验证集（AUC分别为0.869、0.703）中均具有良好诊断效能。基于ATM与XAF1构建的列线图模型在训练集与验证集中AUC分别达0.965与0.897，决策曲线显示较高临床净获益。免疫浸润分析发现，SLE患者中记忆B细胞、M1型巨噬细胞、单核细胞比例升高，ATM与初始B细胞、XAF1与M1型巨噬细胞呈显著正相关。单细胞分析共注释出10种主要免疫细胞类型，关键细胞筛选发现，单核细胞中ATM与XAF1的表达量最高，且在SLE组中显著升高，因此被定义为关键细胞类型；细胞通讯显示MHC‑I、MHC‑II及MIF等信号通路在SLE中异常活跃，单核细胞在其中发挥重要调控作用；拟时序轨迹揭示了单核细胞内部的功能状态异质性与分化潜能变化；ReactomeGSA富集分析提示髓系细胞在抗菌防御、脂肪酸代谢及STAT5/NF‑κB信号通路中存在显著功能分化。

本研究系统鉴定了ATM与XAF1作为SLE免疫衰老的关键生物标志物，构建了高诊断效能的列线图模型，并通过单细胞分析首次揭示单核细胞是ATM与XAF1发挥功能的主要细胞载体，二者在该细胞群体中显著上调，可能通过参与细胞间信号互作与状态转换介导SLE的免疫失衡过程。研究成果为SLE的早期识别与靶向干预提供了新的分子依据与细胞层面机制线索。