脓毒症是感染导致的全身炎症反应综合征，死亡率高达30-50%。脓毒症的发生机制极其复杂，其复杂性和非线性导致了对其诊断、预后预测和治疗的不确定性。因此，研究脓毒症的生物标志物，探讨脓毒症诊断、预测、疗效评估的新方法，具有重要的科学意义。本项目立足生命科学前沿，首次采用系统生物学策略和定量的蛋白质组学分析方法筛选内毒素血症的生物标志物，并建立内毒素血症诊断和预测的数学模型。通过不同剂量内毒素制备动物内毒素血症模型，动态检测其机能指标、血清生化指标及血清细胞因子谱的变化，筛选出能反映病情、病程变化的指标集，并对上述指标集进行不断优化和精简，得出脓毒症预后的最佳预测方程分别为Logit P=-8.367 + 1.124 BUN + 1.134 Cr + 0.003 IL-6 - 0.249 GM - CSF及Logit P=-179.688 + 0.794 MMRN1 + 1.682 PPBP - 0.003 FGα - 0.011 FGβ，在保证诊断和预测的敏感性、特异性和准确性的前提下，实现了对动物和人内毒素血症病情、病程和预后的诊断和预测。在此基础上，采用生物信息学技术分析发现CCAAT增强子结合蛋白(CCAAT enhancer binding protein，C/EBPs)可能是对脓毒症治疗具有重要意义的干预靶点，并进一步通过体细胞实验和动物在体实验证实了C/EBPs在LPS所致的炎症反应中发挥重要作用；而C/EBPs诱饵寡核苷酸通过干扰C/EBPs DNA结合活性而抑制多个炎症相关靶基因的表达，从而发挥对脓毒症小鼠多器官损伤的保护作用。本研究结果为提高临床脓毒症的诊断、治疗和预后预测水平奠定了重要的实验基础。