骨髓间充质干细胞预防兔耳增生性瘢痕的实验研究

来源 :湖北医药学院 | 被引量 : 0次 | 上传用户:gongleiwp
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)探索兔骨髓间充质干细胞(BMSCs)不同提取方法对BMSCs生长及传代的影响;(2)探索兔耳增生性瘢痕动物模型的可行性,并分析可能的影响因素,以提高造模成功率;(3)研究BMSCs对兔耳增生性瘢痕的预防作用效果。方法:(1)出生25~30天日本大耳白兔2只,获得股骨、胫骨骨髓后,分别采取全骨髓差速贴壁法、梯度离心法、红细胞裂解法和梯度离心联合差速贴壁法分离BMSCs,比较每种分离方法P0代培养、P3代生长曲线及冻存复苏率差异,并对所获BMSCs进行免疫学和多向分化能力鉴定;(2)成年日本大耳白兔12只,每侧兔耳腹侧面均行4个直径为1.0 cm全层皮肤缺损创面,观察造模成功率,分析影响造模成功率的因素;(3)成年日本大耳白兔24只,随机数字表法分为两组:BMSCs组和磷酸盐缓冲液组(PBS组),每组12只。于手术当天及术后第10天,BMSCs组每个创面周围注射1ml浓度为1×10~6/ml的BMSCs,PBS组注射1ml PBS溶液。观察两组创面愈合时间、再上皮时间、瘢痕高峰时间、瘢痕高峰持续时间,以及创面愈合后第7、14、21、28天两组瘢痕颜色、瘢痕面积、瘢痕指数、肉眼观及超声检查结果差异。结果:(1)梯度离心联合差速贴壁法提取BMSCs与全骨髓差速贴壁法、梯度离心法、红细胞裂解法比较,能提高P0代增殖速度,在传代、冻存细胞复苏成活率方面,四种方法无明显差异(P>0.05)。(2)对所获细胞进行表面抗原及免疫荧光检测发现,细胞表面CD29、CD71、CD106表达阳性,CD45表达阴性,符合BMSCs表面抗原特点,并且在特定条件诱导下可成骨、成脂分化。(3)兔耳增生性瘢痕动物模型建模成功率为78.13%,皮肤缺损创面位于兔耳腹侧面中1/3、尽量剔尽软骨膜并保持软骨完整性可提高造模成功率。(4)与PBS比较,BMSCs能改善兔耳增生性瘢痕颜色(P<0.05)、减少瘢痕形成;(5)BMSCs不能缩短兔耳全层皮肤缺损愈合时间(P>0.05)、再上皮化时间(P>0.05)、瘢痕高峰出现时间(P>0.05)及高峰持续时间(P>0.05)。(6)肉眼观及超声检测均显示干细胞治疗组兔耳瘢痕组织较对照组小。结论:梯度离心法结合差速贴壁法较常规的全骨髓差速贴壁法、梯度离心法及红细胞裂解法分离BMSCs能提加快P0代增殖速度;四种分离方法在BMSCs传代及复苏成活率方面无明显差异;兔耳增生性瘢痕模型制作过程中,皮肤缺损创面位于兔耳腹侧面中1/3、尽量剔尽软骨膜,并保持软骨完整性可提高造模成功率;BMSCs能改善兔耳增生性瘢痕颜色、减少瘢痕形成;BMSCs不能缩短兔耳全层皮肤缺损愈合时间和再上皮化时间。BMSCs对增生性瘢痕高峰出现时间及高峰持续时间方面也无明显影响。
其他文献
为了获得一株饲用的高效降解赤霉烯酮(ZEN)的芽孢杆菌菌株,试验通过平板扩散法和酶联免疫法进行筛选,并对降解率较高的菌株进行种属鉴定、性质和产酶情况研究。结果表明:通过
近年来,在日本广泛地进行着“三A革命”。所谓“三A”是工厂自动化(FA)、办公室自动化(OA)、家庭自动化(HA)的简称。三A中尤以FA进展为快,在日本各地已经出现了一批所谓“无
能力为本的《小组工作》课程教学,是用小组的方式来讲授《小组工作》。具体做法是把学生分成若干个任务小组,组员在任课教师的示范、支持和督导下,通过调查,自选一个主题,完成一个
中国智能交通协会科学技术奖是中国智能交通行业内的首个奖项。2012年2月6日,中国智能交通协会下发了《关于2012年度中国智能交通协会科学技术奖申报工作的通知》(中智交协[201
本文研究了非对称信息和延期支付策略下供需网企业间的激励机制问题。运用机制设计理论,分别在对称信息和非对称信息下,对供应商的最优延期支付期限及零售商的最优订货量进行
基于改进的严重段塞流瞬态数学模型和平面刚架理论,建立严重段塞流海洋立管耦合振动数学模型,对数学模型进行求解,研究了严重段塞流引起的海洋立管振动响应。数值模拟过程中,
鼻饲是经鼻腔插入胃内的特制的胃管输送流食、匀浆饮食或口服药的一种治疗方法,用于不能进食的危重病人或长期昏迷或吞咽困难的病人而他们的胃肠道功能正常。这是临床上常用
为了探讨火烧迹地植被恢复过程中生态效应的变化规律。采用时空互代法,以大兴安岭重度火烧迹地不同恢复年限落叶松人工林为研究对象,以重度火烧迹地作为对照样地,对土壤质量
公路是国民经济的重要命脉,从已投入使用的公路情况来看,路桥相接处不均匀沉降是常见的道路病害。主要分析引起跳车的主要原因,提出相应的预防与治理措施。
随着无人机技术和深度学习技术的发展,基于深度学习的多目标检测算法在工业无人机中得到了广泛的应用。针对目前基于深度学习的多目标检测算法占用大量计算量资源,难以在算力有限的中小型无人机平台上实时运行的问题,分析了深度学习算法在低功耗CPU上的耗时,提出一种卷积神经网络计算优化方法。在机载计算机中进行仿真,结果表明在检测效果基本不变的条件下,算法帧率达到了56FPS,实现了无人机平台上的实时多目标检测。