近日，北京协和医院临床医学研究所冷泠研究员团队、皮肤科李军主任医师团队的一项多中心神经梅毒（NS）生物标志物的原创性研究，以封面论著形式发表在Advanced Science上。该研究开创了基于人工智能的蛋白质组学数据打分策略，国际首次揭示细胞外基质蛋白（ECM）可作为NS潜在的诊断标志物，该研究成果为解决NS诊断难、误诊率高的问题提供了新的方法和洞见。

NS是由梅毒螺旋体侵犯神经系统出现脑膜、大脑、血管或脊髓等损害的一组临床综合征，可发生于梅毒病程的各个阶段，如果没有得到积极有效治疗，可危及生命。目前，NS诊断没有“金标准”，现有诊断工具在敏感性和特异性方面存在局限，导致许多NS未被正确诊断，临床中迫切需要早期识别诊断并治疗NS。

本研究利用蛋白质组/基质组学技术结合人工智能机器学习策略，对7个独立人群的223份脑脊液（CSF）样本进行方法构建、分子标志物鉴定与验证，并揭示了炎症驱动病理发生的ECM反应机制。

研究创建的机器学习分类器对NS的分类准确率达98.11%。团队将获得的ECM组合生物标志物（SEMA7A、SERPINA3和ITIH4）在115个可疑NS中同时进行预测和生物验证，结果显示预测率接近100%，且蛋白表达模式与NS患者脑组织病理特征一致。在后期的随访中，应用该标志物诊断及时发现了患者的神经系统病变，不仅为NS的诊断和治疗监测提供了有效工具，也为理解ECM的病理机制以及评估治疗效果提供了重要的分子依据。本研究成果为提高NS早期诊断率、降低并发症风险提供可能。