黄芩素通过调节HIF-1α/VEGF信号通路抑制类风湿关节炎大鼠的炎症反应和病理性血管生成

来源 :中国病理生理杂志 | 被引量 : 0次 | 上传用户:fjlmh
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:探讨黄芩素(BA)调节缺氧诱导因子1α(HIF-1α)/血管内皮生长因子(VEGF)信号通路对类风湿关节炎(RA)大鼠炎症反应和病理性血管生成的影响。方法:按照随机数字表法将SD大鼠分为对照(control)组、模型(model)组、低剂量(10 mg/kg)BA(BA-L)组、高剂量(30 mg/kg)BA(BA-H)组、雷公藤多苷片(TWP;6.25 mg/kg)组和BA-H+HIF-1α激动剂二甲基草酰甘氨酸(DMOG;40 mg/kg)组,每组12只。除control组外,其它组大鼠均采用II型胶原蛋白-完全弗氏佐剂法诱导RA大鼠模型。第2次免疫24 h后开始给药处理,每天给药一次,持续4周。检测大鼠在给药第0、7、14和28天时的足趾肿胀度,计算关节炎指数;计算大鼠胸腺和脾脏指数;HE染色检测大鼠踝关节滑膜组织病理损伤;ELISA法检测大鼠踝关节滑膜组织中肿瘤坏死因子α(TNF-α)和白细胞介素6(IL-6)水平;免疫组化检测大鼠踝关节滑膜组织中VEGF和VEGF受体2(又称激酶插入域受体,KDR)表达;Western blot检测各组大鼠踝关节滑膜组织中HIF-1α和VEGF蛋白表达。结果:与control组比较,model组大鼠踝关节滑膜组织病理损伤严重,足趾肿胀度、关节炎指数、胸腺和脾脏指数,以及滑膜组织TNF-α、IL-6、VEGF、KDR、HIF-1α和VEGF水平均显著升高(P<0.05);与model组比较,BA-L组、BA-H组和TWP组对应指标变化趋势与上述相反(P<0.05);BA-H组与TWP组比较,上述指标变化差异无统计学意义(P>0.05);DMOG减弱了BA-H对RA大鼠炎症反应和病理性血管生成的抑制作用。结论:BA可能通过抑制HIF-1α/VEGF信号通路抑制RA大鼠的炎症反应和病理性血管生成。
其他文献
主要综述了六方氮化硼的基本结构和性能,介绍了其常用制备方法,并对其应用前景进行了展望。
随着经济和科技的不断发展,智能建造与建筑工业化协同发展成为必然发展趋势.为研究智能建造与建筑工业化协同发展影响因素及其内在联系,通过文献梳理和专家访谈的方式,从宏观层面、中观层面、微观层面选取了智能建造与建筑工业化协同发展的影响因素,进而构建了解释结构模型(ISM)的层次结构图,认为创新型人才培养、法律制度及标准规范和认知程度是其关键因素.在此基础上,运用交叉影响矩阵相乘法(MICMAC),确定创
在时代发展的大环境下,高校学前教育美术课程也在不断变革教学模式,以此提升教学质量,为幼儿园教育事业培养优秀的接班人。该文分析当前学前教育美术课程中存在的问题并提出解决对策,以期推动我国幼儿教育事业的健康发展。
学位
新冠疫情仍在全球肆虐,佩戴口罩可以有效阻断新冠病毒传播,口罩佩戴检测系统能及时提醒公共场所活动的人佩戴口罩。针对该问题及小尺度目标检测困难的问题,提出了一种基于YOLOv3改进的网络模型Face_mask Net用于口罩佩戴检测。由于YOLOv3算法训练的网络模型对小目标检测率低,IoU值相同时不能反映预测框和目标框是否相交,以及传统NMS对于遮挡经常产生错误抑制情况,Face_mask Net改
随着数码产品及互联网技术的发展,当前学习过程中对错题整理、笔记归档的需求普遍依赖以手机为主的移动终端内置软件辅助解决。这一现象的弊端在于数码产品成为沉浸式学习情境中经常出现的干扰项,对深度学习的时间和效率普遍产生了不利影响,使得产品效果低于用户预期。基于沉浸式学习情境的营造与构建,结合用户调研、因果链分析和认知心理学理论,以FPGA敏感字符识别与图像转换技术为核心,设计一款智能错题收集交互台灯。旨
随着国家2030年碳达峰目标的提出,绿色低碳、经济环保、可持续的健康发展方式已经成为了时代的主题,因此如何在保证经济平稳运行的基础上,降低化石能源消纳,提高清洁能源占比,优化环境质量成为了吉林省未来发展的主要方向。而吉林省能源种类齐全,丰富多样,但能源生产量不足,新能源开发有限,导致吉林省能源对外依赖严重,严重影响了吉林省的能源安全。根据国家统计局发布的相关数据可知,2020年吉林省以7185万吨
新冠疫情期间,按照国家和地方政府要求,乘坐火车及地铁必须佩戴口罩,但车站人流量大、情况复杂,单靠驻站民警和车站工作人员很难对所有乘客的口罩佩戴情况进行监督。为快速检测每一位乘客的口罩佩戴情况,减轻车站防疫压力,利用SSD算法以及one-hot编码搭建了口罩佩戴检测模型。最终测试结果显示,构建的口罩佩戴模型的最终识别正确率达到了98.6%。