本研究整合转录组与单细胞转录组数据，结合机器学习方法，探索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，为疾病早期诊断与靶向治疗提供新依据。

从GEO数据库获取SLE血液转录组数据及外周血单细胞数据，基于衰老与免疫相关基因集，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、细胞通讯及ReactomeGSA富集分析。

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，二者在训练集与验证集中均表现良好诊断效能。基于ATM与XAF1构建的列线图模型在训练集与验证集中AUC分别为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7种免疫细胞在对照组与SLE组间存在显著差异，其中记忆B细胞、M1型巨噬细胞、单核细胞等在SLE中上调，Naive B细胞、静息NK细胞、静息树突细胞下调。相关性分析显示，ATM与初始B细胞正相关，与记忆B细胞负相关；XAF1与M1型巨噬细胞、记忆B细胞正相关，与初始B细胞负相关。单细胞分析表明，SLE状态下XAF1在单核细胞、Naive B细胞、效应CD8⁺ T细胞、NK细胞、pDC等多种免疫细胞中表达上调，ATM表达则未见明显变化；其中单核细胞XAF1表达量最高，被定义为核心功能细胞。细胞通讯分析显示，MHC-I、MHC-II及MIF等信号通路在SLE中异常活跃，单核细胞发挥重要调控作用。富集分析提示髓系细胞亚群在抗微生物应答、细胞周期进程、脂肪酸氧化、电化学信号传导及炎性信号通路中存在显著功能分化，与其在抗原呈递、炎症调控及免疫监视中的角色相吻合。

本研究系统鉴定ATM与XAF1为SLE免疫衰老关键标志物，构建了高诊断效能的列线图模型，并首次揭示单核细胞是关键基因发挥功能的主要细胞载体，为SLE早期识别与靶向干预提供了新的分子依据。