IF15.1！机器学习发文Nature子刊！
研究背景
慢性牙周炎是阿尔茨海默病的重要危险因素。牙龈卟啉单胞菌及其牙龈蛋白酶可破坏血脑屏障，侵入中枢，促进Aβ沉积、tau过度磷酸化和小胶质细胞活化，加剧神经炎症与神经元变性。

研究目的
明确慢性牙周炎促发阿尔茨海默病样神经炎症的关键通路，评估cGAS-STING信号轴的核心调控作用。

研究意义
为牙周病原体相关神经炎症的机制研究提供新证据，并为基于cGAS-STING轴的分子识别与干预策略筛选提供依据。

研究内容
整合公共单细胞转录组与大鼠海马批量转录组；发现AD小胶质细胞中cGAS-STING通路特异性富集；筛选CP与AD共有差异基因（4.5%）；通过多算法识别CGAS、STING、TBK1、IRF3为稳健特征；验证HLJDD干预对认知、神经元、Aβ/tau病理及炎症因子的影响。

研究方法
GEO单细胞RNA-seq采用Seurat质控、降维聚类与细胞注释；大鼠海马RNA-seq经PCA和PLS-DA降维；运用多机器学习算法交叉验证及SVM-RFE确定特征子集；SHAP量化特征贡献；UMAP验证分类效果。

研究思路
沿“牙周病原体—中枢炎症—神经退行性变”路径，以cGAS-STING为候选，联合组织层面转录组与单细胞数据，采用“特征筛选—分类验证—机制解释—干预验证”的多层次策略。

文章亮点
首次整合单细胞与组织转录组，多算法交叉验证结合SHAP可解释性分析，锁定CGAS、STING、TBK1、IRF3；SVM-RFE对CP与HLJDD组分类准确率达100%，UMAP显示完全分离；HLJDD干预可降低脑内牙龈卟啉单胞菌DNA载量及毒力基因表达。

结论
cGAS-STING信号轴是慢性牙周炎促发阿尔茨海默病样神经炎症的核心调控通路；CGAS、STING、TBK1、IRF3可作为区分CP与HLJDD干预状态的潜在分子标志物医学SCI 机器学习