目的构建基于脂质代谢相关基因(LMRGs)的结直肠癌(CRC)预后模型，并探讨脂质代谢相关生物标志物及免疫细胞浸润程度在CRC预后预测中的作用。方法下载TCGA数据库及GEO数据库(GSE38582)中的CRC样本转录组数据和临床信息，从MSigDB数据库获取LMRGs。以TCGA-COADREAD数据集作为训练集，GSE38582数据集作为验证集，通过多种机器学习的算法进行模型的构建验证及不同模型之间的比较。利用CIBERSORT算法计算免疫评分，分析模型与免疫细胞浸润的关联。结果成功构建包含20个基因的CRC预后模型。生存分析显示，低风险组与高风险组生存期比较，差异有统计学意义(P＜0.001)。时间依赖性受试者工作特征曲线分析表明，该模型在TCGA-COADREAD训练集中1、3、5年的曲线下面积(AUC)值分别为0.691、0.716和0.759，显示出良好的预测能力。在GSE39582验证集中，模型预测性能有所下降(1年生存期AUC=0.624，3年AUC=0.593，5年AUC=0.576)，提示模型稳定性需进一步优化。免疫浸润分析揭示ATP1A1等基因与CD8 +T细胞浸润呈正相关(r>0.3,P<0.05)，提示其可能参与免疫调节。结论该研究构建的CRC预后模型可作为一种新的独立预后评估工具，所筛基因可能成为稳健的预后生物标志物，并具有潜在的临床应用价值。