Hedgehog信号通路介导血管周细胞参与肾间质纤维化的机制研究

来源 :四川医科大学 西南医科大学 | 被引量 : 0次 | 上传用户:jinyu1016
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究背景和目的:肾间质纤维化(Renal interstitial fibrosis,RIF)是各种慢性肾病随病程进展到最终阶段的相同病理生理表现,严重威胁着患者健康。该病变表现肾间质中肌成纤维细胞显著增殖,细胞外胶原分泌增多,肾单位损伤及功能进行性下降为特征。因此,为探索行之有效的防治措施,需彻底明确该病变机制。肌成纤维细胞的来源一直是本病变探讨的焦点,相关文章表明,其来源或许涉及多种细胞。长期以来,肾小管上皮细胞-间叶细胞转分化(Epithelial-mesenchymal transition,EMT)机制得到众多学者首肯,但近来有学者提出不同观点,认为RIF与受Hh信号通路调节的周细胞的关系似乎更大。因此,本研究拟通过对Hh信号通路激活时周细胞各项特征变化的检测来探索Hh信号通路是否参与了周细胞向肌成纤维细胞方向转分化,并且是否可以被Hh信号通路的相应配体所干预。材料与方法:选用健康BALB/c乳鼠,雌雄不限,通过乳鼠肾细胞原代培养,用免疫磁珠分选技术分离纯化,并将所获得的细胞通过形态学观察和免疫细胞化学NG2、SMA和CD31检测,鉴定是否符合周细胞特征,经三次传代培养,收集周细胞。将已经纯化的周细胞分为对照组、SHH组和SHH+CPA组三组。对照组均于0 h、24 h分别加终浓度为0.2%BSA的PBS;SHH组于0 h、24 h分别加终浓度为1.5ng/mL SHH蛋白;SHH+CPA组在SHH组基础上于每个SHH的添加时间点前2 h加终浓度为0.25μm/mLCPA干预。干预结束后,均行免疫细胞化学sma检测、brdu掺入实验检测、细胞划痕实验检测和i型胶原elisa检测。结果:1.通过乳鼠肾细胞原代培养,免疫磁珠分离纯化,经倒置相差显微镜观察,形态学符合周细胞特征:细胞宽大扁平,形状不规则,并伴数个突起,胞核居中,单核或双核;ng2和sma免疫细胞化学染色阳性表达,cd31免疫细胞化学染色阴性表达,证实为周细胞。2.细胞经干预行上述检测,免疫细胞化学sma检测:对照组细胞质中阳性表达程度为121.3±13.7,shh组为168±21.0,shh+cpa组为132.1±19.8,即shh组阳性表达程度高于对照组,shh+cpa组阳性表达程度低于shh组,差异比较均有统计学意义(p<0.05);细胞划痕实验检测:对照组细胞迁徙距离24h、36h和48h分别为8.2000±1.4832μm、16.8000±1.0955μm、25.4000±1.1402μm,shh组分别为15.6000±2.0736μm、21.8000±1.9235μm、35.2000±0.8367μm,shh+cpa组分别11.4000±1.9494μm、18.4000±1.5166μm、28.2000±0.4472μm,即相同时间点shh组细胞迁徙距离多于对照组,shh+cpa组细胞迁徙距离少于shh组,差异比较均有统计学意义(p<0.05);brdu掺入实验检测:对照组增殖活性为0.52±0.11,shh组为0.67±0.12,shh+cpa组为0.55±0.09,shh组细胞增殖活性高于对照组,shh+cpa组细胞增殖活性低于shh组,两组差异比较均有统计学意义(p<0.05);i型胶原elisa检测:对照组为5.36±0.52,shh组为9.22±0.68,shh+cpa组为7.8±0.63,即shh组细胞产生i型胶原的量多于对照组,shh+cpa组细胞产生i型胶原的量少于shh组,两组差异比较均有统计学意义(p<0.05)。结论:1.利用免疫磁珠分选法可以成功分离纯化肾脏周细胞并继续培养。2.SHH可以通过上调Hh信号通路而促进肾周细胞向肌成纤维细胞方向发生表型转化。3.CPA可以抑制上述表型转化的程度。
其他文献
目的基于超像素分割的显著物体检测模型在很多公开数据集上表现优异,但在实际场景应用时,超像素分割的数量和大小难以自适应图像和目标大小的变化,从而使性能下降,且分割过多会耗时过大。为解决这一问题,本文提出基于布尔图和灰度稀缺性的小目标显著性检测方法。方法利用布尔图的思想,提取图像中较为突出的闭合区域,根据闭合区域的大小赋予其显著值,形成一幅显著图;利用灰度稀缺性,为图像中的稀缺灰度值赋予高显著值,抑制
目的 随着城市交通拥堵问题的日益严重,建立有效的道路拥堵可视化系统,对智慧城市建设起着重要作用.针对目前基于车辆密度分析法、车速判定法、行驶时间判定法等模式单一,可
目的图像因各种因素的影响存在一定程度的噪声,而噪声会在图像分割时影响待分割目标的边缘识别,导致分割结果难以达到理想状态。针对以上问题,在距离规则化水平集(DRLSE)演化模型的基础上,提出一种将各向异性扩散散度场信息融合到DRLSE模型中的新模型。方法将水平集函数初始化为分段常数表达式,设定演化方程中的参数和水平集函数演化过程中的迭代时间步长Δt。随后将常值权系数α替换为融合各项异性扩散散度场信息