目的：创伤性脑损伤（Traumatic Brain Injury，TBI）常诱发一系列分子事件，这些事件可导致快速的细胞死亡、炎症、水肿和颅内高压，成为病人致死和伤残的重要原因，也给患者家庭和社会带来巨大的经济负担。新近发展的蛋白质组学，特别是神经蛋白质组学，为从全面认识创伤性脑损伤的疾病演进过程和发生发展机制，寻找诊断指标，预测疾病预后提供了可能条件。表面增强激光解析离子化（Surface Enhanced Laser Desorption-Ionization，SELDI）蛋白芯片技术是新近发展用于快速检测复杂蛋白组分生物样本，如血清、脑脊液或尿液等的一门蛋白质组学技术，具有快速、简便易行且高通量等优点，能直接筛选出与疾病相关的多种潜在生物标记物。本研究以重型颅脑创伤患者血清为研究对象，利用表面增强激光解析离子化SELDI蛋白芯片技术检测不同格拉斯哥评分（GCS）的sTBI患者血清蛋白质谱差异变化，分析SELD1检测结果与sTBI患者伤情程度的相关性，以期对临床患者伤情作出及时准确、判断。　　 方法：70例sTBI病人血清样本获取于武警医学院附属医院脑系科中心2008年6月至11月收住院病人，其中GCS3～4分者24例、GCS5～6分者29例和GCS7～8分者17例，对照组50例健康人血清标本来自武警医学院接受体检的学员。病人选择标准：20～45岁，性别不限，GCS3～8分，不伴有其它脏器严重创伤和骨折，无其它重要脏器功能衰竭，无风湿或肾小球肾炎等免疫系统疾病。利用弱阳离子芯片CM10和表面增强激光解析离子化飞行时间质谱（surface enhanced laser desorption-ionization time-of-fight mass spectrometry， SELDI-TOF-MS）技术筛选sTBI患者血清中的差异表达蛋白，应用Cluster3.0分析软件制作分层聚类（Hierarchical clustering）图谱，结合统计学数据解析SELDI蛋白芯片检测结果；应用SPSS13.0统计软件分析差异蛋白质峰强度与sTBI患者GCS的相关性。　　 结果：样品血清中共获得101个有效蛋白质峰，其中27个峰比较具有统计学意义（P<0.05），13个在sTBI患者中表达明显升高，分别为4800，m/z4895，m/z4973，m/z5323，m/z5718， m/z5744， m/z11415， m/z11555， m/z11661， m/z11702，m/z11904，m/z16348，m/z22089，14个在sTBI患者中表达明显降低，分别为m/z3941，m/z4098，m/z4184，m/z4295，m/z4652， m/z5076， m/z5646， m/z5917， m/z8714， m/z8792， m/z13808，m/z14021，m/z22947，m/z28184。经过对27个差异蛋白质表达强度与sTBI患者GCS间的相关性进行分析，共发现2个差异蛋白质（m/z4973和m/z5323）峰强度与sTBI的GCS呈负相关，6个（m/z3941，m/z4295，m/z8714，m/z8792，m/z14020和m/z28184）峰强度与sTBI的GCS呈正相关。通过对SELDI蛋白芯片技术检测结果进行聚类分析，得出sTBI患者GCS3～4分组与GCS5～6分组关系最为紧密，GCS7～8分组次之，与健康对照组关系最为疏远，这一分析结论符合临床病情分级和实际内容，说明该组检测数据的真实可靠性。经过对27个差异蛋白质的相关性进行统计学分析，其结果与分层聚类图谱显示结果基本一致，但后者更为直观，提供相关性的信息量更大。此外，通过聚类把功能相近的同质性蛋白质分为一群，利用已知蛋白的功能信息推测未知蛋白的功能或已知蛋白的未知功能，或在疾病演进的分子通路研究中，对同群蛋白质进行同步检测，将有助于分子通路研究的产出率。这些差异蛋白质在sTBI病情演进过程中可能具有相同或相近的功能，或共同参与疾病的同一分子病理通路。　　 结论：（1）本实验共得到27个有意义的差异蛋白质峰，其中13个在sTBI患者中表达升高，14个表达下调。将上述有意义的差异蛋白质检测峰联合应用于sTBI患者的伤情程度预测，有可能为从分子机制水平客观地制定sTBI伤情程度等级提供新的方法。（2）通过对27个差异蛋白质在不同GCS组患者血清中的表达强度与sTBI患者的GCS进行相关性分析，共发现8个差异蛋白质。这8个检测蛋白质在sTBI病情发展中可能扮演重要角色，并可能成为新的治疗靶点。（3） SELDI蛋白芯片技术能够直接从未经处理的生物样品中获取蛋白质图谱，克服了传统2-D凝胶电泳所难以解决的诸多问题，成为与2-D凝胶电泳技术互为补充的蛋白组学研究方法之一。（4）本实验采用的聚类分析法获得的结果详尽、可靠，可直观、快速地作出判断，是分析SELDI蛋白芯片等大规模实验数据的理想工具。运用这种方法有望在临床中对复杂多变的sTBI患者病情作出及时、准确的预测，以指导临床诊断和治疗。