通过研究深静脉血栓形成（DVT）大鼠血液中内源性代谢物的变化规律筛选特征代谢物以此构建疾病预测模型,用于DVT的临床诊断和法医学鉴定.采用下腔静脉结扎法构建DVT大鼠模型,术后72 h采集心血,通过气相色谱-质谱法（GC-MS）分析得到大鼠血清中的小分子代谢谱.通过正交偏最小二乘判别分析结合Mann-Whitney U检验初步筛选得到与DVT发生相关的22个差异代谢物,涉及的体内代谢通路有乙醛酸和二羧酸代谢、三羧酸循环（TCA循环）以及丙氨酸、天冬氨酸和谷氨酸代谢.采用基于随机森林分类算法的特征选择方法（Boruta）从上述差异代谢物中进一步筛选出13个与DVT强相关的特征代谢物集合,构建了基于不同机器学习算法（逻辑回归、线性判别分析和Adaboost集成算法）的DVT预测模型.结果显示,构建的线性判别分析模型对DVT的预测准确率可达87%,模型的精度、召回率、 F1分数和受试者特征曲线下面积（AUROC）分别为0.88, 0.86, 0.87和0.95.研究表明,采用GC-MS代谢组学结合机器学习算法构建的DVT预测模型可为DVT的诊断、治疗以及法医学鉴定提供技术支撑.