Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.

Forschungsartikel

Cholesterin und Stearamid vermitteln die Apoptose und Zytokinsekretion der Lymphozyten beim systemischen Lupus erythematodes

523 Ansichten

⸱

DOI:

10.3791/69038

⸱

17. Oktober 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Anhui University of Science & Technology, The First Hospital, 2Department of Rheumatism and Immunology, Peking University Shenzhen Hospital, 3School of Computer Science and Engineering, Anhui University of Science & Technology, 4Taizhou University of Medicine, 5School of Medicine, Anhui University of Science & Technology, 6Department of Radiotherapy, Shenzhen Traditional Chinese Hospital, the Fourth Clinical Medical College of Guangzhou University of Chinese Medicine, the Clinical Medical Research Center of Shenzhen People's Hospital, 7Anhui Provincial Academician Workstation of Anhui University of Science & Technology for Autoimmune Disease Diagnostic Technology, 8Departments of Nephrology, Shenzhen People's Hospital

In diesem Artikel

Erratum-Hinweis

Important: There has been an erratum issued for this article. View Erratum Notice

Zusammenfassung

Hier präsentieren wir eine Studie, die eine Mendelsche Randomisierung bei zwei Proben, eine auf Flüssigchromatographie-Massenspektrometrie (LC-MS) basierende Metabolomik-Validierung und funktionelle Assays mit von Patienten stammenden Lymphozyten des systemischen Lupus erythematodes (SLE) zur Bewertung der Apoptose und Zytokinreaktionen nach Metabolitenstimulation integriert, mit dem Ziel, lipidbezogene Biomarker zu identifizieren und ihre immunregulatorische Rolle bei SLE zu untersuchen.

Zusammenfassung

Veränderungen in der Zusammensetzung der Serummetaboliten wurden zunehmend mit systemischem Lupus erythematodes (SLE) in Verbindung gebracht, doch die direkten Auswirkungen dieser Metaboliten auf die Funktion der Immunzellen sind nach wie vor schlecht definiert. Ziel dieser Studie war es, periphere Blutmetaboliten zu identifizieren, die mit SLE assoziiert sind, und deren Einfluss auf Apoptose und Zytokinsekretion in Lymphozyten von SLE-Patienten zu bewerten.

Wir führten eine Mendelsche Randomisierungsanalyse (MR) mit zwei Stichproben durch, um die Beziehung zwischen 565 Serummetaboliten und SLE zu untersuchen, wobei das nach inverser Varianz gewichtete Modell als primärer analytischer Ansatz verwendet wurde. Signifikante Ergebnisse wurden anhand zuvor veröffentlichter, nicht zielgerichteter Metabolomik-Daten auf der Grundlage der Flüssigchromatographie-Massenspektrometrie (LC-MS) kreuzvalidiert. In funktionellen Experimenten wurden Lymphozyten, die von SLE-Patienten isoliert wurden, mit Zielmetaboliten stimuliert, gefolgt von der Beurteilung der Apoptose und der Zytokinsekretion.

Die MRT-Analyse identifizierte 28 Metaboliten, die signifikant mit SLE assoziiert sind. Davon wurden Cholesterin (OR = 1,462, 95% CI: 1,100-1,940, P = 0,008) und Stearamid (OR = 0,125, 95% CI: 0,020-0,660, P = 0,014) mittels LC-MS validiert und bei SLE-Patienten als erhöht befunden. Die Analyse der Betriebseigenschaften des Empfängers zeigte eine starke diagnostische Leistung (AUC = 0,999 für Cholesterin; AUC = 1,000 für Stearamid). Funktionell induzierten beide Metaboliten eine erhöhte Apoptose und eine erhöhte Sekretion von TNF-α, IFN-γ und TGF-β1 in SLE-Lymphozyten.

Zusammenfassend lässt sich sagen, dass unser integrierter Ansatz, der genetische Assoziation, Metabolitenprofilierung und funktionelle Assays kombiniert, zeigt, dass Cholesterin zur Immundysregulation bei SLE beitragen kann. Obwohl Steeramid in der MRT-Analyse eine negative Assoziation mit dem SLE-Risiko zeigte, spiegelten seine In-vitro-Wirkungen die von Cholesterin wider, was auf eine komplexe und kontextabhängige Rolle hindeutet. Diese Ergebnisse unterstreichen die Bedeutung des Lipidstoffwechsels bei SLE und unterstützen weitere mechanistische und klinische Untersuchungen seiner immunologischen Auswirkungen.

Einleitung

Der systemische Lupus erythematodes (SLE) ist eine chronische Autoimmunerkrankung, die sich durch eine komplexe Pathogenese und vielfältige klinische Manifestationen auszeichnet und weltweit Millionen von Menschen betrifft1. Die Heterogenität des SLE, bei der die Symptome von Person zu Person sehr unterschiedlich sind und sich im Laufe der Zeit weiterentwickeln, stellt erhebliche Herausforderungen bei der Diagnose, der Überwachung der Krankheitsaktivität und der Anpassung personalisierter Behandlungspläne dar 2,3. Obwohl die SLE-Klassifikationskriterien der European League Against Rheumatism 2019 und des American College of Rheumatology (EULAR/ACR) die diagnostische Genauigkeitverbessert haben 4, erfassen diese Kriterien nicht alle Krankheitsmanifestationen und hängen oft von invasiven Verfahren wie der Nierenbiopsie ab, die für die Patienten unpraktisch und belastend sein können.

In den letzten Jahren hat die Forschung an Metaboliten als Biomarker bei SLE zugenommen, was ihr enormes Potenzial bei der Frühdiagnose, Typisierung und prognostischen Beurteilung von Krankheiten unter Beweis stellt 5,6,7. Das translationale Potenzial der metabolitenbasierten Forschung im Bereich SLE ist jedoch nach wie vor durch mehrere zentrale Herausforderungen begrenzt. Erstens sind kleine Stichprobengrößen eine große Einschränkung8. Die meisten bisherigen metabolomischen Studien umfassten relativ wenige Teilnehmer, was ihre Fähigkeit einschränkt, die gesamte klinische Heterogenität von SLE zu erfassen. Angesichts der Tatsache, dass SLE von einer leichten kutanen Beteiligung bis hin zu schweren renalen oder neurologischen Manifestationen reichen kann, können Studien mit unzureichender Probendiversität unter einer schlechten Reproduzierbarkeit und eingeschränkten Generalisierbarkeit leiden9. Zweitens fehlt es nach wie vor an mechanistischer Tiefe. Während frühere Studien Zusammenhänge zwischen spezifischen Metaboliten und Krankheitsaktivität, Organschäden oder bestimmten klinischen Merkmalen gezeigt haben, bleiben die meisten Ergebnisse in der Natur beschreibend10. Diese Untersuchungen konzentrierten sich weitgehend auf quantitative Unterschiede in den Metabolitenspiegeln und ihre statistischen Korrelationen mit klinischen Indikatoren, ohne die kausale Rolle von Metaboliten in der Immunpathologie von SLE zu untersuchen. Da eine Dysregulation des Immunsystems - einschließlich aberranter Lymphozyten-Apoptose und unausgewogener Zytokinsekretion - für die SLE-Pathogenese von zentraler Bedeutung ist, ist es von entscheidender Bedeutung zu verstehen, wie Metaboliten diese Prozesse beeinflussen11. Derzeit gibt es nur wenige Studien, die direkt untersuchen, wie bestimmte Metaboliten die Apoptose von Immunzellen oder die Zytokinproduktion im Rahmen von SLE modulieren.

Hier zielt diese Studie darauf ab, SLE-assoziierte metabolische Biomarker durch die Integration von Mendelschen Randomisierungs- (MR) und LC-MS-Metabolomik-Analysen zu identifizieren und die funktionelle Rolle dieser Kandidatenmetaboliten bei der Modulation der Lymphozytenapoptose und der inflammatorischen Zytokinproduktion mit gezielten zellbasierten Assays aufzuklären, wie in Abbildung 1 gezeigt.

Dies ist die erste Studie, die MRT, metabolomische Validierung und in vitro funktionelle Assays integriert, um die kausale und mechanistische Rolle von Lipidmetaboliten - insbesondere Cholesterin und Stearamid - in der Pathogenese von SLE zu untersuchen. Durch die Kombination von genetischen, metabolischen und experimentellen Beweisen bietet diese Arbeit einen umfassenden und vielschichtigen Einblick in die Frage, wie spezifische Lipidveränderungen die Immundysregulation bei SLE beeinflussen können. Dieser integrative Ansatz bietet einen neuartigen Rahmen für die Identifizierung potenzieller metabolischer Biomarker und therapeutischer Ziele bei Autoimmunerkrankungen12.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

Diese Studie wurde gemäß den EULAR/ACR-Einstufungskriterien 2019 durchgeführt. Diese Studie wurde vom Shenzhen People's Hospital genehmigt (Zulassungsnummer der Ethikkommission LL-KY-2019514).

Mendelsche Randomisierungsanalyse (MR)

GWAS-Datenquellen
Die genetischen Assoziationsdaten für SLE und 565 Metaboliten wurden aus der OpenGWAS-Datenbank (https://gwas.mrcieu.ac.uk/) gewonnen. Die GWAS-Datensätze für Krankheiten sind in Tabelle 1 zusammengefasst, während die Quellen und Stichprobengrößen für die GWAS-Daten der Metaboliten in Tabelle 2 aufgeführt sind. Diese Datensätze bildeten die Grundlage für die MR-Analyse, um kausale Zusammenhänge zwischen Metaboliten und SLEzu untersuchen 13,14,15,16.

Auswahl instrumenteller Variablen
Genetische Varianten, die mit Blutmetaboliten und SLE assoziiert sind, wurden als instrumentelle Variablen (IVs) für die MR-Analyse ausgewählt. Die IVs wurden auf der Grundlage der drei Kernannahmen der MR ausgewählt: Relevanz, Unabhängigkeit und Ausschlussbeschränkung17. Insbesondere wurden Einzelnukleotid-Polymorphismen (SNPs) ausgewählt, die mit Metaboliten bei einer genomweiten Signifikanzschwelle von P < 5 × 10-8 assoziiert sind18. Um die Unabhängigkeit zwischen den IVs zu gewährleisten, wurde die Verklumpung des Kopplungsungleichgewichts (LD) mit einem Schwellenwert von r2 < 0,001 und einer physikalischen Distanz von 10.000 kb durchgeführt, wobei die europäische Bevölkerung als Referenzpanelverwendet wurde 19. Dieser Prozess minimierte die Redundanz und stellte sicher, dass jede Infusion einzigartige Informationen für die MRT-Analyse lieferte.

Statistische Auswertungen
Der primäre statistische Ansatz für die MR-Analyse war die inverse Varianzgewichtung (IVW), die die Effekte mehrerer IVs kombiniert, um den kausalen Effekt von Metaboliten auf SLE20 abzuschätzen. Um eine mögliche Pleiotropie zu berücksichtigen, wurden Sensitivitätsanalysen mittels MR-Egger-Regressiondurchgeführt 21. Die Stärke jeder IV wurde anhand der F-Statistik bewertet, wobei nur SNPs mit F > 10 beibehalten wurden, um eine robuste Instrumentenstärkezu gewährleisten 22. SNPs mit niedrigeren F-Statistiken wurden ausgeschlossen, um eine schwache Instrumentenverzerrung zu vermeiden. Die abschließenden MRT-Analysen wurden nur durchgeführt, wenn keine signifikante Heterogenität oder Pleiotropie festgestellt wurde, um die Zuverlässigkeit der kausalen Schätzungen zu gewährleisten23.

Sensitivitätsanalysen
Es wurden mehrere Sensitivitätsanalysen durchgeführt, um die Robustheit der MRT-Befunde zu beurteilen. Die Heterogenität zwischen den Infusionen wurde mit dem Cochran-Q-Test bewertet, während die Pleiotropie mit der MR-Egger-Regression24 bewertet wurde. Zusätzlich wurde eine Leave-One-Out-Analyse durchgeführt, um festzustellen, ob die MR-Ergebnisse überproportional von einem einzelnen SNP beeinflusst wurden25. Es wurden Waldflächen erstellt, um die individuellen und kombinierten Effekte der Infusionen zu visualisieren. Diese Analysen stellten insgesamt sicher, dass die MRT-Ergebnisse nicht durch pleiotrope Effekte oder Ausreißer-SNPs verzerrt waren.

Metabolomics-Datenquelle
Die in dieser Studie verwendeten Metabolomik-Daten stammen aus einer zuvor veröffentlichten Studie unserer Forschungsgruppe10. In dieser Studie führten wir Metabolomik-Analysen an Serumproben von 121 SLE-Patienten und 106 gesunden Personen durch. Die ungezielte Erstellung von Metabolomik-Profilen wurde mit Hilfe von Ultrahochleistungsflüssigkeitschromatographie in Verbindung mit Massenspektrometrie (UHPLC-MS) durchgeführt. Die Daten wurden unter Verwendung von Standard-Metabolomik-Arbeitsabläufen verarbeitet, einschließlich Peak-Erkennung, -Ausrichtung und -Normalisierung, um Metaboliten zu identifizieren, die signifikant mit SLE assoziiert sind. Diese Metaboliten wurden dann mit den Ergebnissen der MR-Analyse abgeglichen, um überlappende Metaboliten zu identifizieren. Nähere Informationen finden sich in der Vorgängerpublikation10. Metaboliten, die in der Metabolomik-Analyse signifikant assoziiert waren, und Metaboliten mit signifikanten kausalen Assoziationen in der MRT-Analyse wurden mit Hilfe der MetaboAnalyst-Plattform auf ihre jeweiligen HMDB-IDs abgebildet. Die gemeinsamen Metaboliten wurden dann durch Überschneiden der beiden Sätze von HMDB-IDs identifiziert.

Zytokinmessungen und Apoptose-Assay
Insgesamt wurden 3 SLE-Patienten in Übereinstimmung mit den EULAR/ACR-Klassifikationskriterien 2019 aufgenommen (Tabelle 3).

Entnahme von peripheren Blutproben und Isolierung von Lymphozyten
Periphere Blutproben (3-6 ml) wurden von Teilnehmern entnommen, die Vakuumröhrchen mit Heparinnatrium als Antikoagulans verwendeten. Mononukleäre Zellen des peripheren Blutes (PBMCs) wurden mittels Ficoll-Paque-Dichtegradientenzentrifugation (400-800 × g für 20-30 min) isoliert. Die isolierten Zellen wurden zweimal mit phosphatgepufferter Kochsalzlösung (PBS, HyClone) durch Zentrifugation mit niedriger Geschwindigkeit (250 × g für 10 min) gewaschen und in vollständigem RPMI-1640-Medium, das mit 10 % fötalem Rinderserum ergänzt wurde, resuspendiert. Die Zelldichte wurde auf 1 × 106 Zellen/ml eingestellt, was durch einen automatischen Zellzähler überprüft wurde. Die Zellsuspension wurde in Kulturplatten ausgesät und 2 Stunden lang bei 37 °C in einer 5 % CO2 -Atmosphäre vorinkubiert, um die Adhärenz zu fördern. Nach der Präinkubation wurden nicht-adhärente Zellen im Kulturüberstand sorgfältig entnommen und einer Lymphozytenisolierung unterzogen. Die gesammelte Suspension wurde schonend über Ficoll-Paque geschichtet und erneut bei 400 × g für 20 min ohne Bremse zentrifugiert. Die mononukleäre Zellschicht an der Plasma-Ficoll-Grenzfläche wurde sorgfältig aspiriert, zweimal mit phosphatgepufferter Kochsalzlösung (PBS) gewaschen und in RPMI-1640-Medium mit 10 % fötalem Rinderserum resuspendiert. Die Lebensfähigkeit und Konzentration der Zellen wurden mit dem automatischen Zellzähler bewertet, und die Lymphozyten wurden anschließend für Downstream-Anwendungen verwendet.

Zellbehandlung und -kultur
Die Zellen wurden für die Behandlung in fünf Gruppen eingeteilt: Kontrollgruppe: Behandelt mit einem gleichen Volumen DMSO. Cholesterinbehandlungsgruppe: Behandelt mit Cholesterin in einer Konzentration von 1,5 mmol/L. Die in dieser Studie verwendete Konzentration von 1,5 mmol/l an freiem Cholesterin wurde ausgewählt, um eine lipidreiche Mikroumgebung jenseits der physiologischen Werte zu simulieren. Das zirkulierende freie Cholesterin bei gesunden Personen liegt typischerweise zwischen 0,9 und 1,3 mmol/l. Die leicht erhöhte Konzentration, die in diesen Experimenten verwendet wurde, sollte die pathologische Lipidakkumulation nachahmen, die in entzündeten oder metabolisch gestörten Geweben bei SLE auftreten kann. Stearamid-Behandlungsgruppen: Behandelt mit Stearamid in Konzentrationen von 5 μmol/l und 10 μmol/l. Die Stearamid-Konzentrationen (5 und 10 μmol/L) wurden auf der Grundlage eines früheren Berichtsausgewählt 26, der darauf hindeutete, dass Stearamid-Spiegel im Bereich von 5-10 μmol/L eine erhöhte Lipidakkumulation unter pathologischen Bedingungen nachahmen können. Ziel war es, die pro-apoptotischen und immunmodulatorischen Effekte einer hochkonzentrierten Lipidexposition auf SLE-Lymphozyten zu untersuchen, die entzündliche oder metabolisch fehlregulierte Zustände simulieren. Cholesterin und Stearamid wurden zunächst in DMSO gelöst, um hochkonzentrierte Stammlösungen herzustellen, die dann in Kulturmedium verdünnt wurden, um die Zielkonzentrationen zu erreichen. Die endgültige DMSO-Konzentration in allen Gruppen betrug nicht mehr als 0,1 % (v/v). Nach der Zugabe der entsprechenden Behandlungen wurden die Platten vorsichtig geschüttelt, um eine gleichmäßige Verteilung zu gewährleisten, und 48 Stunden lang bei 37 °C in einer Umgebung von 5 % CO2 inkubiert.

Apoptose-Assay
Für die Apoptose-Experimente wurden 1 × 106 bis 3 × 106 Zellen gesammelt und zweimal mit vorgekühltem PBS gewaschen. Eine Positivkontrollgruppe wurde hergestellt, indem Zellen in 500 μl vorgekühlter Apoptose-Positivkontrolllösung resuspendiert und 30 Minuten lang auf Eis inkubiert wurden, gefolgt von einer weiteren PBS-Wäsche. Die Versuchsgruppen wurden wie in Abschnitt 1.7 beschrieben mit Kontroll-, Cholesterin- (1,5 mmol/L) und Stearamid-Behandlungen (10 μmol/L) behandelt. Nach der Behandlung wurden 1-10 × 105 Zellen (einschließlich der Zellen aus dem Kulturüberstand) entnommen und in 500 μl 1× Bindungspuffer (hergestellt durch Verdünnen von 5× Stammlösung mit doppelt destilliertem Wasser) resuspendiert. Jede Probe wurde mit der gleichen Anzahl unbehandelter lebender Zellen gemischt und das Volumen mit vorgekühltem 1×-Bindungspuffer auf 1,5 ml eingestellt. Die Suspension wurde dann in drei Röhrchen aufgeteilt: eines für die Blindkontrolle und zwei für die Einzelfleckenkompensation (Annexin V-FITC und PI). Zu jedem Versuchsröhrchen wurden 5 μl Annexin V-FITC und 10 μl PI-Färbelösung gegeben, gefolgt von einer Vortexierung und Inkubation bei Raumtemperatur im Dunkeln für 5 Minuten. Die Durchflusszytometrie wurde mit einem 488-nm-Anregungslaser durchgeführt, um Annexin V-FITC (Emission bei 530 nm) und PI (Emission bei 615 nm) zu detektieren. Das blinde Steuerrohr wurde zum Einstellen der Spannungen für die Vorwärtsstreuung (FSC), die Seitenstreuung (SSC) und den Fluoreszenzkanal verwendet, während die Einzelfleckenröhren für die Fluoreszenzkompensation verwendet wurden. Die Apoptose wurde mit Hilfe von Dual-Parameter-Streudiagrammen analysiert, um den Anteil apoptotischer Zellen zu bestimmen27,28.

Nachweis von Immunfaktoren
Nach der 48-stündigen Inkubation wurden die Zellsuspensionen zentrifugiert (250 × g für 5 min), um die Kulturüberstände zu sammeln, die bis zur Analyse bei -80 °C gelagert wurden. Die Zytokinquantifizierung wurde unter Verwendung eines kommerziellen Human Essential Immune Response Panel durchgeführt, wobei den Anweisungen des Herstellers mit Optimierungen für das Instrument gefolgt wurde. Kurz gesagt, wurden 25 μl Assay-Puffer und 25 μl Standards (im Bereich von 2,4 bis 10.000 pg/ml) oder Proben in jede Vertiefung einer Mikroplatte gegeben. Das Bead-Gemisch wurde 30 s lang vortexed und in die Vertiefungen gegeben, wodurch das Gesamtreaktionsvolumen auf 75 μl gebracht wurde. Die Platte wurde unter Schütteln (800 U/min) bei Raumtemperatur für 2 h im Dunkeln inkubiert. Nach zwei automatisierten Waschvorgängen (1× Waschpuffer, 250 × g für 5 Minuten) wurden 25 μl biotinylierter Nachweisantikörper in jede Vertiefung gegeben und 1 h lang inkubiert. Anschließend wurden 25 μl Streptavidin-Phycoerythrin (SA-PE) für 30 min zugegeben, um das Signal zu verstärken.

Die Datenerfassung erfolgte mit einem Durchflusszytometer, das mit einem 488-nm-Anregungslaser und einem 575/26-nm-Filter für die PE-Detektion ausgestattet war. Vor jedem Experiment wurden Kalibrierperlen verwendet, um die Spannungen der Photomultiplierröhren und die spektrale Kompensation zu optimieren. Die Daten wurden mit der LEGENDplex-Software v8.0 analysiert, wobei die Zytokinkonzentrationen mittels Fünf-Parameter-Logistikkurvenanpassung (5PL) bestimmt wurden. Die Nachweisgrenzen für jedes Zytokin reichten von 0,68 pg/ml bis 1,97 pg/ml, und die Experimente wurden doppelt durchgeführt, um die Präzision zu gewährleisten (Variationskoeffizient zwischen den Vertiefungen <10%). Die Ergebnisse wurden als mittlere ±± Standardabweichung ausgedrückt, und die statistischen Unterschiede zwischen den Gruppen wurden mit Hilfe einer Einweg-ANOVA bewertet, gefolgt von Tukeys Post-hoc-Test in einer geeigneten statistischen Analysesoftware. Die 48-stündige Inkubationszeit wurde auf der Grundlage der dynamischen Veränderungen der Zytokinsekretion ausgewählt, um die Immunantwort umfassend zu erfassen. Die tägliche Kalibrierung des Geräts und die Kontrolle der DMSO-Konzentration (≤0,1 %) gewährleisteten die Zuverlässigkeit und Reproduzierbarkeit der Ergebnisse 29,30,31.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

Assoziation zwischen Schlüsselmetaboliten und klinischen Manifestationen bei SLE

In dieser Studie identifizierte die MR-Analyse von 565 Metaboliten mit SLE signifikante kausale Assoziationen. Wie in Abbildung 2 gezeigt, wurden insgesamt 28 Metaboliten identifiziert, die signifikant mit SLE assoziiert sind, darunter Kategorien wie Peptide, Aminosäuren, Energie, Lipide, Kohlenhydrate und Fettsäuren. Peptide wie Gamma-Glutamylphenylalanin und Pro-Hyd...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

Unsere Studie zeigt, dass 1,5 mmol/l Cholesterin, 5 μmol/l Stearamid und 10 μmol/l Stearamid ähnliche Muster der Apoptose und Zytokinsekretion in Lymphozyten von SLE-Patienten induzieren, obwohl Unterschiede in der Größenordnung beobachtet wurden. Insbesondere erhöhten sowohl 1,5 mmol/l Cholesterin als auch 5 μmol/l Stearamid die Apoptose in SLE-Lymphozyten signifikant. Darüber hinaus erhöhte die Behandlung mit 1,5 mmol/l Cholesterin in Kombination mit entweder 5 μmol/l oder 10 μmol/l St...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

Die Autoren erklären, dass sie keine konkurrierenden Interessen haben.

Danksagungen

Diese Forschung wurde unterstützt durch das Graduate Innovation Fund Project der Anhui University of Science & Technology (Nr. 2024cx2204), die Anhui Provincial Academician Workstation (Anhui Provincial Academician Workstation (Diagnostic Techniques for Autoimmune Disorders), Anhui University of Science & Technology, Huainan, Anhui 232001, China) (Dokument Nr. 317 [2023], herausgegeben vom Department of Science and Technology der Provinz Anhui), Fonds für Grundlagen- und angewandte Grundlagenforschung der Provinz Guangdong (Nr. 2021A1515110250), Nationale Naturwissenschaftliche Stiftung Chinas (Nr. 82271824).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
Annexin V-FITC/PI Apoptose-KitMultiwissenschaftenAP101Zur Apoptose-Detektion mittels Durchflusszytometrie
CholesterinShanghai Jinpan Biotech Co., Ltd.JP1210051Verwendet für Stimulationsexperimente in PBMCs (10 g)
Gegenschacht-EinsatzCorningCBG10001Verwendet zur physischen Trennung von Zellen in Kokultur-Experimenten
DurchflusszytometerBeckman CoulterCytoFLEXFlowzytometrische Analyse
GraphPad-Prisma-SoftwareGraphPadStatistische Analyse und Grafikzeichnung
LEGENDplex Human Essential Immune Response PanelBioLegend740390Multiplex-Detektion immunbezogener Zytokine
Micropipette Set EppendorfVerschiedenFlüssigkeitshandhabung und Volumenübertragung (0,1 & Strich; 10 & mu; L, 10 & Strich; 100 & mu; L, 100 & Strich; 1000 & mu; L)
Peripheres LymphozytentrennmediumInländischer HerstellerB1.1420AVerwendet für PBMC-Isolierung (200 mL)
RPMI-1640 MediumGibcoC22400500BTKulturmedium für PBMCs
StearamidShanghai Jinpan Biotech Co., Ltd.1267285Verwendet zur Lipidstimulation von PBMCs (100 g)
Sterile 24-Well-PlatteInländischer HerstellerBLJ182AFür Zellkultur
CountStarShanghai Ruiyu BiotechnologieCS200Automatischer Zellzähler
PBSHyclone10010023Zellreinigung
Ficoll-Paque Cytiva17-5442-03Synovialzell-Isolation
LEGENDplex software BioLegendVersion 8Analyse von Flusszytometriedaten
GraphPad Prism 9.0GraphPad-SoftwareVersion 9Statistische Analyse

Referenzen

  1. Barber, M. R., et al. Global epidemiology of systemic lupus erythematosus. Nat Rev Rheumatol. 17 (8), 515-532 (2021).
  2. Owen, K. A., Grammer, A. C., Lipsky, P. E. Deconvoluting the heterogeneity of SLE: the contribution of ancestry. J Allergy Clin Immunol. 149 (1), 12-23 (2022).
  3. Allen, M. E., Rus, V., Szeto, G. L. Leveraging heterogeneity in systemic lupus erythematosus for new therapies. Trends Mol Med. 27 (2), 152-171 (2021).
  4. Aringer, M., et al. European League against Rheumatism (EULAR)/American College of Rheumatology (ACR) SLE classification criteria item performance. Ann Rheum Dis. 80 (6), 775-781 (2021).
  5. Yoon, N., Jang, A. K., Seo, Y., Jung, B. H. Metabolomics in autoimmune diseases: Focus on rheumatoid arthritis, systemic lupus erythematous, and multiple sclerosis. Metabolites. 11 (8), 812(2021).
  6. Liang, J., et al. Targeted metabolomics combined with machine learning to identify and validate new biomarkers for early SLE diagnosis and disease activity. Clin Immunol. 264, 110235(2024).
  7. Liu, Y., Yang, X. A review on the novel biomarkers of systemic lupus erythematosus discovered via metabolomic profiling. Front Immunol. 15, 1443440(2024).
  8. Cheng, S., et al. Uncovering potential biomarkers and metabolic pathways in systemic lupus erythematosus and lupus nephritis through integrated microbiome and metabolome analysis. BMC Microbiol. 25 (1), 275(2025).
  9. Júnior, V. F. A. J. A., Silva, S. M., Amaral, A. L., Perini, J. V. deF. V., dos Santos, J. E. N. Systemic lupus erythematosus (SLE): Most common clinical manifestations and renal complications. Braz J Implantol Health Sci. 6, 647-660 (2024).
  10. He, J., et al. Serum proteome and metabolome uncover novel biomarkers for the assessment of disease activity and diagnosing of systemic lupus erythematosus. Clin Immunol. 251, 109330(2023).
  11. Moysidou, E., et al. Lymphocytes change their phenotype and function in systemic lupus erythematosus and lupus nephritis. Int J Mol Sci. 25, 10905(2024).
  12. Deng, P., Li, Z., Yi, B., Leng, Y. A Mendelian randomization study to assess the genetic liability of type 1 diabetes mellitus for IgA nephropathy. Front Endocrinol. 13, 874562(2022).
  13. Wang, Y. F., et al. Identification of 38 novel loci for systemic lupus erythematosus and genetic heterogeneity between ancestral groups. Nat Commun. 12, 772(2021).
  14. Hom, G., et al. Association of systemic lupus erythematosus with C8orf13-BLK and ITGAM-ITGAX. N Engl J Med. 358, 900-909 (2008).
  15. Shin, S. Y., et al. An atlas of genetic influences on human blood metabolites. Nat Genet. 46, 543-550 (2014).
  16. Kettunen, J., et al. Genome-wide study for circulating metabolites identifies 62 loci and reveals novel systemic effects of LPA. Nat Commun. 7, 11122(2016).
  17. Moodie, E. E., le Cessie, S. Instrumental variables analysis and mendelian randomization for causal inference. J Infect Dis. 231 (3), 556-558 (2025).
  18. Zhang, S., Zhang, W., Sun, H., Xue, R., Lv, Q. Therapeutic potential of single-nucleotide polymorphism-mediated interleukin-6 receptor blockade in cancer treatment: A Mendelian randomization study. Heliyon. 9, (2023).
  19. Yuan, S., Larsson, S. C., Gill, D., Burgess, S. Concerns about instrumental variable selection for biological effect versus uptake of proton pump inhibitors in Mendelian randomisation analysis. Gut. 74, e6-e6 (2025).
  20. Lin, Z., Deng, Y., Pan, W. Combining the strengths of inverse-variance weighting and Egger regression in Mendelian randomization using a mixture of regressions model. PLoS Genet. 17 (1), e1009922(2021).
  21. Markozannes, G., et al. Systematic review of Mendelian randomization studies on risk of cancer. BMC Med. 20, 41(2022).
  22. Li, Y., et al. The effects of coagulation factors on the risk of endometriosis: a Mendelian randomization study. BMC Med. 21, 195(2023).
  23. Grant, A. J., Burgess, S. Pleiotropy robust methods for multivariable Mendelian randomization. Stat Med. 40 (25), 5813-5830 (2021).
  24. Wang, C., Zhang, J., Han, F., Liu, D., Han, Y. No evidence for a causal link between Helicobacter pylori infection and irritable bowel syndrome: a Mendelian randomization study. Front Microbiol. 14, 1268492(2024).
  25. Zhu, K., Shi, J., Yang, R., Zhou, C., Liu, Z. Evidence based on Mendelian randomization: causal relationship between mitochondrial biological function and lung cancer and its subtypes. Neoplasia. 46, 100950(2023).
  26. Lin, F., Wang, Z., Xiang, L., Deng, L., Cui, W. Charge-guided micro/nano-hydrogel microsphere for penetrating cartilage matrix. Adv Funct Mater. 31, 2101132(2021).
  27. Chen, L. J., et al. Long non-coding RNA 01614 hyperactivates WNT/β-catenin signaling to promote pancreatic cancer progression by suppressing GSK-3β. Int J Oncol. 61, 116(2022).
  28. Zhao, J., Liang, K., Zhong, H., Liu, S., He, R., Sun, P. A cold-water polysaccharide-protein complex from Grifola frondosa exhibited antiproliferative activity via mitochondrial apoptotic and Fas/FasL pathways in HepG2 cells. Int J Biol Macromol. 218, 1021-1032 (2022).
  29. Tovar Acero, C., et al. IL-4, IL-10, CCL2 and TGF-β as potential biomarkers for severity in Plasmodium vivax malaria. PLoS Negl Trop Dis. 16, e0010798(2022).
  30. Strengert, M., et al. Cellular and humoral immunogenicity of a SARS-CoV-2 mRNA vaccine in patients on haemodialysis. EBioMedicine. 70, 103524(2021).
  31. Bhandi, S., et al. Modulation of the dental pulp stem cell secretory profile by hypoxia induction using cobalt chloride. J Pers Med. 11, 247(2021).
  32. Mao, C., et al. Alpha-ketoglutarate alleviates systemic lupus erythematosus-associated periodontitis in a novel murine model. J Clin Periodontol. 52, 457-470 (2025).
  33. Vaishnav, P., Yoo, Y. J., Yoon, Y. J., Demain, A. L. Immunosuppressants: Remarkable Microbial Products. Bioactive Nat. Prod. Chem. Biol. , 43-82 (2014).
  34. Shi, W., et al. Causal effect of three autoimmune diseases on brain functional networks and cerebrospinal fluid metabolites to underlie the pathogenesis of autoimmune psychosis: a two-sample Mendelian randomization analysis. J Transl Med. 23, 440(2025).
  35. Baig, S., Vanarsa, K., Ding, H., Titus, A., McMahon, M., Mohan, C. Baseline elevations of leukotriene metabolites and altered plasmalogens are prognostic biomarkers of plaque progression in systemic lupus erythematosus. Front Cardiovasc Med. 9, 861724(2022).
  36. Warda, M., et al. Lipid rafts: novel therapeutic targets for metabolic, neurodegenerative, oncological, and cardiovascular diseases. Lipids Health Dis. 24, 147(2025).
  37. Hu, C., Wu, H., Zhu, Q., Cao, N., Wang, H. Cholesterol metabolism in T-cell aging: accomplices or victims. FASEB J. 37, e23136(2023).
  38. Song, Y., Liu, J., Zhao, K., Gao, L., Zhao, J. Cholesterol-induced toxicity: an integrated view of the role of cholesterol in multiple diseases. Cell Metab. 33, 1911-1925 (2021).
  39. Wei, Y., Wang, D., Topczewski, F., Demain, A. L. Saturated fatty acids induce endoplasmic reticulum stress and apoptosis independently of ceramide in liver cells. Am J Physiol-Endocrinol Metab. 291 (2), E275-E281 (2006).
  40. Rámek, J., Němcová-Fürstová, V., Pavlíková, N., Kovář, J. Effect of saturated stearic acid on MAP kinase and ER stress signaling pathways during apoptosis induction in human pancreatic β-cells is inhibited by unsaturated oleic acid. Int J Mol Sci. 18 (11), 2313(2017).
  41. Westerterp, M., et al. Cholesterol accumulation in dendritic cells links the inflammasome to acquired immunity. Cell Metab. 25 (6), 1294-1304.e6 (2017).
  42. Chen, J., et al. UPLC-MS/MS-based plasma lipidomics reveal a distinctive signature in systemic lupus erythematosus patients. MedComm (2020). 2 (2), 269-278 (2021).
  43. López, P., et al. Low-density granulocytes and monocytes as biomarkers of cardiovascular risk in systemic lupus erythematosus. Rheumatology (Oxford). 59 (7), 1795(2020).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Erratum


Formal Correction: Erratum: Cholesterol and Stearamide Mediate Lymphocyte Apoptosis and Cytokine Secretion in Systemic Lupus Erythematosus
Posted by JoVE Editors on 11/18/2025. Citeable Link.

This corrects the article 10.3791/69038

Schlagwörter

SerummetabolitenMendelsche RandomisierungCholesterinstoffwechselEffekte von StearamidFl ssigchromatographie MassenspektrometrieImmunst rungLipidstoffwechsel
Kontakt
Rückmeldung an Ihre Bibliothek

Datenschutz

Nutzungsbedingungen

Richtlinien

Copyright © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.