人胎海马神经元组织形态与自分泌运动因子及其受体的表达和发育研究

来源 :安徽医科大学 | 被引量 : 0次 | 上传用户:dingyongguo
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:①观察胎儿海马组织形态的发育变化。②观察胎儿海马内神经元的分化、生长及发育规律。③研究自分泌运动因子(autocrine motility factor,AMF)及自分泌运动因子受体(autocrine motility factor receptor,AMFR)在胎儿海马中的表达和意义。④探讨自分泌运动因子及其受体与胎儿海马发育的关系。方法:本实验收集胎儿29例,胎龄为11W~新生儿,根据海马组织不同发育阶段变化特点,将胚胎标本分三组,第一组为11W~16W,7例;第二组为17W~28W,17例;第三组为29W~新生儿,5例。取海马中段,常规石蜡包埋和切片。分别进行以下处理:①采用HE染色观察胎儿海马一般组织形态的发育变化;②采用硫堇染色观察胎儿海马神经元内尼氏体的发育变化;③应用免疫组织化学SABC法检测神经元特异性烯醇化酶(neuron specific enolase,NSE)、AMF和AMFR的表达及变化规律。结果:①HE染色切片中,第11W~16W胎儿海马的外部形态逐渐建立。海马内细胞分布密集,多为小而圆的细胞,胞质少,染色深。第17W开始可明显辨别海马本部CA1、CA2、CA3及CA4各区及齿状回,并可区分出海马皮质的分子层、锥体细胞层和多形细胞层。锥体细胞层内可见少量锥体形细胞和大量圆形细胞。齿状回可区分分子层、颗粒细胞层和多形细胞层,其中颗粒细胞层内细胞多呈圆形或椭圆形。随胎龄增长,海马锥体细胞层内细胞密度逐渐减小,细胞由圆形逐渐分化为锥体形,以中等大小的锥体细胞为多见。第29W以后,海马锥体细胞层内神经元逐渐发育成熟,细胞体积进一步增大,细胞密度进一步减小。②硫堇染色结果显示,在16W以前胎儿海马内几乎看不到尼氏体;从17W开始,海马锥体细胞层少数细胞内出现尼氏体,随胎龄增加,神经元内尼氏体渐趋丰富,染色加深。③免疫组织化学染色显示,胎儿发育到第17W时,海马的锥体细胞层和齿状回的颗粒细胞层内出现NSE阳性细胞,多形细胞层和分子层也有散在分布。NSE阳性细胞的分化速度随层次和区域不同而呈现差异,在锥体
其他文献
急性呼吸窘迫综合征(ARDS)是多种原因引起的急性呼吸衰竭,临床上以严重呼吸困难、顽固性低氧血症和非心源性肺水肿为特征,其早期阶段为急性肺损伤(ALI)。目前ALI/ARDS的治疗措施主要包括呼吸机机械通气、糖皮质激素、一氧化氮、体外膜肺(ECMO)及部分液体通气(PLV)等。尽管如此,迄今ARDS的死亡率仍高达40-50%。而且上述方法都不同程度的存在副作用,如呼吸机的使用存在易继发感染,机械通
【目的】本文旨在揭示芦苇Phragmitesaustralis(Cav.)Trin.exSteudel收割对宫苍仁蚧NipponaclerdabiwakoensisKuwana密度及其5种寄生蜂寄生率和共寄生关系的影响及作用机制。【
2007年5月,一名中国画家的画展在美国伊利诺伊州引起了轰动,受到了美国各方关注。伊利诺伊州副州长在观看了画展后,高度赞扬中国文化的魅力和绘画艺术的精美,他说:“这次画展
谷氨酸作为哺乳类动物神经系统内重要的兴奋性递质,广泛分布于中枢和周围神经系统。在功能上,谷氨酸与神经元的发育、分化和突触传递密切相关。近年来,随着分子生物学技术的
ALEX2基因(Arm proteins lost in epithelial cancers,X chromosome,2),属于ALEX家族成员,除ALEX2基因外,该家族还包括ALEX1和ALEX3基因。ALEX家族基因的共同特点是基因均定
目的:探讨甲型流感病毒H3N2感染的子宫内膜腺癌细胞系JEC的凋亡情况及机制;观察干扰素-α2a(IFN-α2a)在H3N2诱导JEC凋亡过程中对细胞增殖的影响。方法:用不同浓度(32、64、128
本研究主要探讨中心体相关激酶STK15在胃癌中的基因mRNA和蛋白质表达及其与组织学分级、浸润和淋巴结转移的关系。 应用免疫组织化学S-P法和半定量RT-PCR法分别检测46例
在本所与潞麻产地中心小宋生产大队两地进行大麻三要素肥效試驗。两地土壤均为中等地力。本所試驗前茬地为棉花;小宋系豆茬地。試驗材料,氮肥为硫酸銨,磷肥为普通过磷酸鈣,鉀
硝态氮肥(包括硝酸銨、硝酸銨鈣、硝酸鈣)在旱作上无論作基肥、或作追肥施用,肥效接近等氮量的硫酸銨或略为超过。但在水稻上施用,肥效不很稳定;主要是在施用技术上和其他方
证明了区间小波神经网络具有一致及L2逼近性质,且为相容的函数估计子,其学习收敛速度在d维情形不随d增大而减慢,本质上克服了神经网络高维学习的“维数灾难”问题,模拟实例验证了理论