具栖冬青苷对小鼠溃疡性结肠炎的保护作用及其机制

来源 :长春中医药大学 | 被引量 : 0次 | 上传用户:xingchen1023
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
目的:观察具栖冬青苷对葡聚糖硫酸钠(DSS)所致小鼠溃疡性结肠炎的保护作用,并探讨其抗炎机制。
  方法:(1)在动物实验中,将8周龄左右的C57BL/6雄性小鼠随机分为6组:对照组、30mg/kg PE组、DSS组、DSS+5mg/kg PE组、DSS+15mg/kg PE组、DSS+30mg/kg PE组。每组5只。对照组和PE组给予正常纯水,其余各组给予2% DSS(DSS用纯水稀释)。对照组和 DSS组每日用灌胃器灌以纯水,其余各组每日灌胃相应浓度的 PE(PE用纯水稀释),2ml/次/天。在第8天,收集小鼠的结肠组织并放于-80℃冰箱冷藏备用。用H&E染色法检测具栖冬青苷对小鼠结肠组织的保护作用, MPO法检测炎性因子的释放。(2)在细胞实验中,我们选取RAW264.7细胞和小鼠原代腹腔巨噬细胞。将其分为6组:对照组、100μmol/ml PE组、LPS组、LPS+25μmol/ml PE组、LPS+50μmol/ml PE组、LPS+100μmol/ml PE组。待细胞生长良好后,先用PE处理细胞1h,再用LPS刺激4h。采用qRT-PCR法检测具栖冬青苷在基因水平上对炎症因子释放的影响。Western blot法检测具栖冬青苷在蛋白水平上对AKT、MAPK和NF-κB信号通路的影响。免疫荧光法检测具栖冬青苷对核转录因子P65的影响。(3)最后用GraphPad prism软件对数据进行分析。
  结果:(1)动物试验结果表明,具栖冬青苷能明显减轻 DSS对小鼠结肠组织的损伤和炎症因子的释放。(2)细胞实验结果表明,具栖冬青苷能显著抑制 AKT、MAPK和 NF-κB信号通路的激活,从而以剂量依赖的方式显著抑制炎症因子的释放。在免疫荧光的实验中可以清楚地看到具栖冬青苷可以显著的抑制核转录因子 P65的入核。
  结论:具栖冬青苷可通过以剂量依赖的方式抑制 AKT、 MAPK和 NF-κB信号通路的激活,减少炎症因子的释放,从而保护 DSS对小鼠结肠组织的病理损坏。
其他文献
建筑物和道路提取是遥感图像土地覆盖监测中的一项重要任务,准确分割建筑物和道路为城市合理布局提供了很大的帮助,并且对实现城市规划工作具有重要意义。现有建筑物和道路提取模型大部分都采用深度学习语义分割方法,但是这些语义分割方法存在一些不足。一方面,在特征融合过程中直接在通道维度拼接特征图,隐藏层(通道维度)之间的特征信息关注不够,导致在像素分类时忽略其上下文像素的类别,出现建筑物大面积误判和道路提取断
学位
建筑物作为城市发展的活跃要素,是土地资源管理、城市规划、地理数据库更新等领域重点关注的对象之一。高效、精确的建筑物信息提取和变化检测对于这些业务具有重要的理论意义。近年来,深度学习凭借其优异的泛化能力,特别适用于大数据的分析与表达,已经被广泛的应用到各个领域。基于深度学习的方法为提取和检测高分辨率遥感影像中的特定信息提供了新思路。针对深度学习算法在提取建筑物和检测建筑物变化信息的过程中,存在漏检错
学位
遥感图像变化检测技术是指利用多张同一地点不同时间段所获取的遥感图像信息进行特殊处理并最终定量分析地表变化特征的过程。常用的变化检测算法存在一些共同问题,例如变化向量检测法、光谱特征分析法、时间序列分析法等,这些算法在预处理阶段要求十分严格,需要建立大量特征工程,且存在检测时间长,精度低等问题。为了解决上述问题,本文将深度学习方法运用到遥感图像变化检测任务中,利用卷积神经网络特殊的表征学习能力解决繁
学位
随着时代的发展和卫星传感器技术的成熟,更高的分辨率和更多频段的光谱成为遥感影像的发展趋势。与之对应的是,针对土地覆盖分类的遥感卫星图像处理技术也是愈发重要。相较于一般图像,遥感影像中不同语义信息之间的尺度差异较大,现有的神经网络算法很难从遥感影像中提取到这么大尺度的上下文依赖关系,因此提取出遥感影像中的上下文依赖关系是遥感影像识别的一个重要的突破点。现有的针对遥感影像土地覆盖识别的分类方案按分类的
学位
遥感卫星云图在气象研究与应用中发挥着极其重要的作用,在自然灾害预测和气象探测技术中具有重要的研究价值。云图分类是遥感卫星解译的核心,对卫星云图检测的准确率与速度直接影响着大气科学研究和天气气象环境的预测情况。传统的浅层机器分类学习算法很难有效地提取遥感卫星中的云图特征,存在着人工经验判断的偏差,导致传统的机器学习算法不能很好地对云图进行分类,误检率很高且训练耗时。传统的深度学习网络算法能够自动实现
学位
沙漠地区遥感图像识别对于研究沙漠化成因、预防沙漠化进程具有重要意义。由于沙漠环境、地形、光照等的不确定性,导致沙漠地区在遥感图像上的地形地貌特征易发生改变,且沙漠图像具有图像尺寸大,尺度变化大,地表物体位置分布不规则等特点。传统方法在处理复杂的沙漠图像时存在识别不准确的问题。近年来,深度学习图像处理方法的兴起为沙漠图像识别提供了很好的解决思路,将现有深度学习方法直接应用于沙漠样本仍存在多尺度信息利
学位
遥感技术是一种应用各种传感器对远距离目标所辐射和反射的电磁波信息的探测技术。从遥感图像中进行建筑物的提取是遥感技术的重要应用之一,建筑物是人类生活和生产活动的载体,研究建筑物的分布对于研究人口聚集和分散有着巨大的意义。此外,建筑物提取在城市规划、土地调查、军事侦察等方面也有着重要的应用。过去主要是通过人工设计特征进行分类从而完成遥感图像的建筑物提取工作,但由于受到光谱图片本身和建筑物分布多样性的影
学位
随着遥感卫星的发展,越来越多的高分辨率卫星数据被获取。道路作为基础的地物信息至关重要,是高分辨率遥感图像目标提取的关键内容。高分辨率遥感图像在提供详细道路信息的同时也掺杂了显著的噪声。卷积神经网络凭借自动提取深层浅层特征的特点在计算机视觉方面取得卓越的成绩。因此本文在卷积神经网络的基础上致力于道路提取方法的研究,利用自己设计的算法模型实现高分辨率遥感图像道路的精确提取。本文首先研究复杂地形条件下的
学位
高分辨率遥感影像中会发现云团及其投射阴影都是非常强的信号,干扰卫星观测。云团作为气象和气候研究的重要因素,与全球性气候现象和突发自然灾害密切相关。因此,云和云阴影的快速且准确分割对于遥感影像的应用具有重要意义。目前针对传统的云检测,遥感图像经常会存在薄云、碎云的漏检,云团容易与地面高反射率物体混淆一起,导致云团误检,分割云的边界细节不准确等问题。针对以上问题,本文首先设计了一种全局注意力特征融合网
学位
地震作为一种严重的自然灾害,一旦发生对人类的生命财产安全会造成巨大破坏,而建筑物的受损情况是判断人员伤亡和财产损失的重要依据。随着遥感影像的覆盖范围不断扩大、分辨率的不断提高,利用高分遥感影像进行震害建筑物检测已经成为震后应急响应的重要手段之一。目前,利用震后高分遥感影像进行震害建筑物检测的方法主要分为基于传统分类模型的方法和基于深度学习的方法。前者具有算法实现快、在小样本集上也能取得不错的精度等
学位