论文部分内容阅读
目的:本文基于GC-MS分析技术,旨在对RAW264.7细胞炎症模型中脂肪酸进行代谢组学研究,并结合生物学技术手段对相关标志物进行生物学信息初探。方法:建立LPS诱导RAW264.7巨噬细胞炎症模型,用非甾体抗炎药阿司匹林、布洛芬和美洛昔康干预RAW264.7细胞.利用GCMS技术,以提取-甲酯化两步法为基础,优化测定RAW264.7细胞中脂肪酸成分的方法(如柱子的选择、程序升温、进样方式和流速等),结合标准品谱图信息及NIST(美国国家标准与技术局)库鉴定脂肪酸成分。将所得的数据导入Simca-p 14.0,建立主成分分析(Principal component analysis,PCA)、偏最小二乘判别分析法(Partial least squares discrimination analysis,PLS-DA)及正交偏最小二乘判别分析法(Orthogonal partial least squares discriminant analysis,OPLS-DA)学习方法,运用ANOVA分析方法,选取VIP>1及P<0.05的成分作为显著性差异标志物。并结合生物学方法(PCR、WB)探究脂肪酸标志物的生物学意义。结果:通过GC-MS成功地鉴定了RAW264.7细胞中21个脂肪酸。利用化学计量学所建立的学习方法成功地将正常组、模型组和给药组分型。在正常组vs炎症组中筛选出了6种显著性差异生物标志物;炎症组vs阿司匹林组中筛选出了7种显著性差异生物标志物;炎症组vs布洛芬组中筛选出了9种显著性差异生物标志物;炎症组vs美洛昔康组中筛选出了3种显著性差异生物标志物。最后,通过ELISA,PCR和WB生物学手段发现,在LPS+Nigericin诱导RAW264.7细胞后,IL-1β,NLRP3,GPR120以及β-Arrestin-2的mRNA和蛋白表达量都上调了,在药物干预炎症模型后,它们的表达都有所下降,具有统计学意义。初步表明以NLRP3炎症小体为中心的信号通路参与了布洛芬的抗炎过程中。结论:基于GC-MS分析技术联合化学计量学可以快速地筛选出不同组别的脂肪酸显著性生物标志物,进行相关代谢组学研究。表明GC-MS结合化学计量学可以对炎症模型下的脂肪酸代谢组学进行有效研究。本次研究首次将GC-MS联合化学计量学运用到RAW264.7巨噬细胞炎症模型中脂肪酸的代谢组学研究,并结合生物学手段,首次从NLRP3炎症小体角度阐述布洛芬的抗炎机理,丰富了布洛芬的抗炎信号通路研究。