目的:整合多种生物信息学方法对黄葵胶囊治疗慢性肾脏病(Chronic kidney disease, CKD)的机制进行综合分析。方法:本研究从文献中收集黄葵胶囊的化学成分,从Genecards、OMIM和TTD数据库中收集CKD疾病靶点,利用Cytoscape 3.8.0软件构建“药物-成分-靶点”网络和蛋白互作网络进行核心成分和靶点筛选。利用GEO数据库中的临床样品对黄葵胶囊治疗CKD的核心靶点进行差异分析,找出差异表达的核心靶点(significantly differently expressed core genes, SDECGs),并对这些靶点进行表达分析以及免Technology assessment Biomedical疫细胞浸润分析。将CKD样品进行聚类并进行聚类间SDECGs表达分析、免疫细胞分析及富集Belumosudil采购分析。再把CKD样品进行加权基因共表达分析,分别得正常组与CKD组、CKD样品聚类组之间的模块关键基因,取交集,将交集基因以4种机器学习算法筛选,构建模型,从而得到重要性评分前五的特征基因,构建列线图。使用GEO数据集及分子对接对预测结果进行验证Trichostatin A半抑制浓度。结果:黄葵胶囊检索到化学成分43种,靶点393个,其中核心成分为杨梅素、槲皮素、棉皮素等7种;CKD与黄葵胶囊交集靶点247个,其中核心靶点25个;通过GEO差异分析可获得18个SDECGs,该18个靶点与免疫细胞表达多呈正相关;将CKD样品聚类后获得2个聚类(C1、C2),两个聚类涉及的SDECGs表达、免疫细胞表达及通路富集等都分别与正常组和CKD组对应。分析所得涉及的机制主要有:免疫炎症、氧化应激、细胞焦亡、等过程。通过WGCNA结合支持向量机构构建模型,得到5个特征基因(CCDC186、SMC5、SLC30A7、COIL、DMXL1),该特征基因可预测CKD患者使用黄葵胶囊治疗的敏感度以及CKD的患病风险。结论:黄葵胶囊治疗CKD主要通过多成分(杨梅素、槲皮素、棉皮素等)作用于多靶点(ALB、AKT1、GAPDH等)及多途径(免疫炎症、氧化应激、细胞焦亡和自噬及组织修复等机制)发挥作用。本研究对CKD的临床治疗以及黄葵胶囊的机制探索有一定的指导意义。