地塞米松对哮喘小鼠体内一氧化氮、一氧化氮合酶作用的实验研究

来源 :江苏大学 | 被引量 : 0次 | 上传用户:xsxiaomo
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
研究背景及实验目的:支气管哮喘是严重危害当代人健康的呼吸系统疾病,其以肺部嗜酸性粒细胞浸润、气道粘液增多及气道高反应性为主要特征,临床表现为反复发作的喘息、呼气性呼吸困难、胸闷、咳嗽等。当前哮喘发病有不断增多的趋势,因此探讨有效治疗哮喘的机制十分必要。 过敏原或感染等因素激发广泛分布于呼吸道粘膜以及肺间质内的树突状细胞,后者迁移至抗原引流淋巴结,将有关抗原提呈给T淋巴细胞,生成大量II型辅助型T细胞并分泌白介素4、5等Ⅱ型细胞因子,引起肥大细胞、嗜酸性粒细胞等释放炎症介质,诱发气道变应性炎症。过敏原、感染因素及相关细胞因子可刺激肺巨噬细胞、气道上皮细胞等表达诱导型一氧化氮合酶(iNOS),后者催化L-精氨酸生成高水平一氧化氮(NO)。正常时气道局部构成型NOS(eNOS)催化生成的低水平NO可松弛支气管平滑肌,调节肺血流量,有利于呼吸正常进行。而哮喘时iNOS催化生成的高水平NO则被认为有利于气道炎症细胞浸润,并参与气道高反应性形成,从而促进哮喘病情发展。 当前,治疗哮喘最有效的药物仍是糖皮质激素。激素可以通过抑制哮喘发生发展中多种炎症介质的表达来实现抗炎及缓解哮喘症状的作用。而对于较晚被认识的iNOS及NO,糖皮质激素是否也通过抑制二者在气道局部乃至全身的产生从而实现对哮喘症状的抑制?本研究以卵白蛋白(OVA)致敏昆明小鼠建立哮喘模型,以不同剂量地塞米松治疗哮喘小鼠,然后检测小鼠肺组织和血清中的NO浓度以及iNOS水平,以探讨二者尤其是iNOS在激素抗哮喘机制中所起的作用,为更好的防治哮喘提供思路。 实验方法:将35只昆明小鼠随机分为对照组(A组)、哮喘模型组(B组)、地塞米松0.1 g/L治疗组组(C1组)、地塞米松0.2g/L治疗组(C2组)、地塞米松0.4g/L治疗组组(C3组),每组7只。B组在实验的第0天、第7天、第14天用0.08%OVA0.2 ml(以氢氧化铝为佐剂)腹腔注射致敏,第15天起连续7天以1%OVA雾化激发,每次40分钟;C1、C2、C3组小鼠以同样方法致敏及激发,但每次激发前l小时分别雾化吸入0.1g/L、0.2 g/L、0.4g/L地塞米松10分钟;A组以无菌生理盐水代替OVA,操作与B组相同。末次激发后行如下操作:心脏采血制备血涂片;取支气管肺泡灌洗液(BALF),观察其中白细胞总数、嗜酸性粒细胞百分比(EOS%);作肺组织病理学检查,行HE染色,观察各组肺组织炎性细胞浸润的情况;NO、NOS试剂盒检测血浆及肺组织中NO代谢产物含量及NOS活性;RT-PCR法检测肺组织iNOS mRNA表达。 结果:B组BALF细胞计数及肺组织切片均提示急性气道炎症性改变,血涂片也显示嗜酸性粒细胞增多;相比之下,C1、C2、C3组炎症状态明显较弱,尤以C2组明显,但与Cl、C3组差距无统计学意义。血清检测表明:B组NO代谢产物显著高于A组,Cl、C2、C3组NO代谢产物含量显著低于B组;而血清iNOS和eNOS活性各组间都无统计学差异。肺组织NO代谢产物含量及iNOS活性则均为治疗组高于哮喘组,而治疗组间无差异。RT-PCR结果表明:相比A组,B组肺组织iNOS mRNA的表达明显增高;而C1、C2、C3组的iNOS mRNA水平较B组明显降低,三组间无明显差异。 结论:地塞米松雾化吸入可抑制OVA所致的小鼠肺iNOS mRNA高表达,降低局部及全身的NO水平,从而并改善肺部变应性炎症,推测地塞米松等糖皮质激素药物治疗哮喘的机制与改善机体和组织NOS和NO代谢有关。
其他文献
本文介绍了模糊神经网络的基本概念,以及90年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用前景。 This paper introduces the ba
人工智能是指由计算机展现出的类人智能,机器学习是人工智能的重要应用.机器学习广义上可以理解为基于已有的经验进行精准预测的计算方法.当前学习算法已有了多种应用,例如文本分类、自然语言处理、语音识别与合成、光学字符识别、图像识别和人脸检测、游戏、医疗诊断、推荐系统、机器人等.这些学习算法可以大致归类为分类、回归、排序、聚类、降维等等.以神经网络为代表的深度学习在图像分类、人脸识别、图像和视频生成、自然
期刊
网络系统的安全是影响系统运作的核心问题,一般将系统的不安全事件转化为独立的病变元诱因进行分析,然后借助有效的治疗策略来保障系统的安全.对元诱因实施治疗,首先利用元诱因属性来构建诱因函数和治疗函数,并结合治疗概率矩阵和状态转移中的不安全熵及效益变化趋势建立数学模型;其次利用剔除劣势策略的原理寻找最佳策略组合,以此来实现对系统安全经络图的有效控制;最后在元诱因治疗的数学模型基础上,探究元诱因治疗的执行
椭圆曲线离散对数问题(EDCLP)的求解是现代密码学体系中一个重要的研究方向.目前,求解ECDLP最有效的算法是Pollard rho算法.区块链技术作为一门新兴技术,受到各行各业的广泛关注.本文引入ECDLP作为工作量证明的困难问题计算,使得工作量证明在区块链的能源消耗变得有意义,同时借助区块链的激励机制,让更多的人参与到ECDLP求解计算中去,进而促进在密码学中对困难问题求解的研究.特别地,本
近年来,安全多方计算在密码学中已成为一个研究热点,保密科学计算是其中一个重要组成部分,一次保密计算一组隐私数据的最大值和最小值是保密科学计算的新问题.该问题在隐私保护中具有重要的理论意义和实际意义,现有方法需要对同一组隐私数据进行编码变换并重复调用协议才能分别求出最大值和最小值.对同一组数据重复执行协议存在安全隐患,可能会泄露某些隐私信息,并且会增加协议的计算复杂性与通信复杂性.为同时求出最大值和
海量数据的涌现催生了一种新兴的数据交易模式:数据市场.但中心化的数据市场易遭到单点失败、内部或外部攻击.区块链的出现为实现去中心化的数据交易提供了一种可能.然而,实现数据持有者与数据消费者公平数据交易,还需解决如下挑战:(1)数据持有者数据的可靠性;(2)互不信任的双方原子交换的公平性.本文提出了基于机器学习的公平数据交易协议以解决这些挑战,运用反向传播神经网络和向量承诺实现数据持有者与数据消费者
SIMON算法是美国国家安全局(NSA)于2013年发布的轻量级分组密码,支持多种分组长度和密钥长度,具有优良的软硬件实现性能,可以满足各种应用环境的安全需求。SIMON算法的加密轮变换非常简洁,只包含循环移位、按位与和按位异或运算,已经成为一些密码算法设计的仿效对象。直至目前为止,NSA也没有公开SIMON算法的设计原理以及安全性自评估结果,因此SIMON算法引起了密码学术界的研究兴趣,有学者通
期刊
自2012年AlexNet模型提出以来,图像分类技术研究进入了深度学习时代.模型分类能力的提高使得技术的实际应用变得普及,许多企业将图像分类与云计算等技术结合,为用户提供各类便捷服务.但是模型的广泛使用带来了巨大的图像数据隐私泄漏风险.这一问题严重阻碍了图像分类技术的应用与发展.为此研究人员尝试将同态加密和安全多方计算等密码学技术与图像分类模型相结合,设计隐私保护方案.由于引入隐私保护会对模型的可
棉花是可以异花授粉的自花授粉作物,利用蜜蜂授粉能够帮助棉花减少脱落增加产量。据苏联试验,利用蜜蜂授粉比不利用蜜蜂授粉的,一般可增加成铃12—22.5%,同时棉铃重、衣分和
近年来,深度学习技术广泛应用于侧信道攻击领域.本文提出了一种使用改进残差网络和数据增强技术,直接恢复密钥字节的能量分析攻击方法.首先将残差网络模型中的二维卷积核改进为适用于处理能量迹的一维卷积核,然后使用数据增强技术对原始能量迹增加高斯噪声和随机相位抖动,最后使用训练好的模型实现密钥恢复.通过实验对现场可编程逻辑门阵列(FPGA)实现的AES分组密码算法进行了攻击,使用"分而治之"的策略,对128