【摘要】  瘢痕疙瘩为伤口皮肤结缔组织过度增生引起的良性皮肤肿瘤。精准预测创伤者瘢痕疙瘩患病风险 并及时做出早期诊断，对深度管理瘢痕疙瘩和控制其发展具有重大意义。

本研究对高通量基因表达综合（GEO） 数据库中的 4 个瘢痕疙瘩数据集进行分析，筛选出瘢痕疙瘩的诊断标志物，并建立列线图预测模型。首先，通过 加权基因共表达网络分析（WGCNA）、差异表达分析和蛋白质互作网络中心性算法，筛选出 37 个核心蛋白质编 码基因。随后，利用最小绝对值收敛和选择算子（LASSO）以及支持向量机−递归特征消除（SVM-RFE）两种机器 学习算法，从中筛选出 4 个最具预测能力的瘢痕疙瘩诊断标志物，分别为肝细胞生长因子（HGF）、多配体蛋白聚 糖 4（SDC4）、外核苷酸焦磷酸酶/磷酸二酯酶 2（ENPP2）和 Rho 家族三磷酸鸟苷酶 3（RND3），并通过单基因的基 因集富集分析（GSEA）探索可能涉及的生物途径。最后，对诊断标志物进行单因素与多因素逻辑回归分析，并构 建列线图预测模型。

【结论】 经内外部验证发现，该模型校准曲线贴近理想曲线，决策曲线优于其他策略，接受者操作特 征曲线下面积高于对照模型（最佳截断值为 0.588），表明该模型具有较高的校准度、临床收益率以及预测能力， 有望为临床诊断提供有效先期手段。