目的 基于生物信息学技术与机器学习探讨骨形成相关基因在骨质疏松症（OP）中的差异表达及作 用机制，并预测靶向中药活性成分。方法 从高通量基因表达 (GEO) 与 GeneCards 数据库获取疾病靶点和骨 形成相关基因，使用 R 语言包筛选差异表基因。最小绝对收缩和选择算子（LASSO）逻辑回归分析和支持向 量机-递归特征消除（SVM-RFE）算法筛选 OP 的特征基因，选择关键基因进行基因本体（GO）与京都基因 与基因组百科全书（KEGG）通路富集分析。使用估算 RNA 转录物相对子集的细胞类型识别（CIBERSORT）算法进行免疫细胞浸润分析，并对基因表达量以及免疫细胞含量进行 Spearman 相关性分析。 Coremine Medical 数据库获取治疗 OP 的潜在有效中药，比较毒理学数据库（CTD）预测作用于关键基因的 靶向中药活性成分，AutoDock Vina 1.2.2 与 GROMACS 2020 软件分析活性成分与目标靶标之间的结合能及 相作模式。结果 从 GEO 和 GeneCards 数据库获得交集基因 10 个，LASSO 逻辑回归分析和 SVM-RFE 算法 筛选出 4 个关键基因：外壳蛋白（CP）、激肽释放酶 3（KLK3）、聚合酶 γ（POLG）和瞬时受体电位香草 酸受体 4（TRPV4）。GO 功能与 KEGG 通路富集分析显示，靶基因主要通过铁死亡、卟啉代谢和碱基切除 修复信号通路参与调控防御反应的正调控、细胞金属离子稳态、调控趋化因子配体 5 的生成等过程而发挥生 物学效应。免疫浸润分析显示关键基因与免疫细胞高度相关，巨噬细胞 M0、M1、M2 和静息树突状细胞在 组间具有显著差异，不同组间均表现出显著差异（P < 0.05）。白藜芦醇、姜黄素和槲皮素与 KLK3 的相互 作用数分别为 7、3 和 2，表明白藜芦醇、姜黄素和槲皮素与 KLK3 有明显的相互作用。分子对接与动力学 模拟显示活性成分与靶基因之间具有良好的结合能力。结论 关键基因 CP、KLK3、POLG 和 TRPV4 在 OP 诊断中具有良好的预测效能，白藜芦醇、姜黄素以及槲皮素可能是靶向骨形成基因 KLK3 干预 OP 的 潜在中药活性成分。这项研究为 OP 发病机制的阐释和临床药物的研发提供了科学依据。