Methodenartikel

Einzelzell-RNA-Sequenzierung von Lungengewebe in einem Rattenmodell des akuten Atemnotsyndroms

429 Ansichten

⸱

DOI:

10.3791/70491

⸱

7. April 2026

 ,  , 
1Dongzhimen Hospital, Beijing University of Chinese Medicine

In diesem Artikel

Zusammenfassung

Dieser Artikel präsentiert ein standardisiertes Protokoll zur Einzelzell-RNA-Sequenzierung (scRNA-seq) Analyse von Lungengewebe in einem Rattenmodell des akuten Atemwegsstörungssyndroms (ARDS). Es beschreibt Schritte von der LPS-induzierten Modellentwicklung bis zur bioinformatischen Analyse, identifiziert 21 Zellcluster und 6 Makrophagen-Subpopulationen und hebt wichtige entzündliche Wege hervor, die an der ARDS-Pathogenese beteiligt sind.

Zusammenfassung

Das akute Atemnotsyndrom (ARDS) ist eine schwere entzündliche Lungenerkrankung mit hoher Sterblichkeit, gekennzeichnet durch dysregulierte Immunreaktionen und Alveolarschäden, wobei ihre zelluläre Heterogenität jedoch weiterhin unvollständig verstanden ist. Die Einzelzell-RNA-Sequenzierung (scRNA-seq) bietet eine beispiellose Auflösung zur Analyse zelltypspezifischer Mechanismen, doch ihre Anwendung im ARDS wird durch technische Variabilität erschwert. Hier präsentieren wir ein standardisiertes Protokoll zur scRNA-seq-Analyse von Lungengewebe in einem von Lipopolysaccharid (LPS)-induzierten Ratten-ARDS-Modell. Diese Methode umfasst optimierte Gewebedissoziation, strenge Qualitätskontrolle, Doublet-Entfernung, Korrektur von Batch-Effekten sowie umfassende bioinformatische Pipelines für Clustering, Annotation und Analyse differenzieller Expressionen. Unser Ansatz identifiziert zuverlässig 21 verschiedene Zellpopulationen und zeigt sechs Makrophagen-/Monocyten-Subpopulationen mit einzigartigen transkriptionellen Signaturen in ARDS. Subcluster-spezifische Differenzial-Genexpressions- und funktionelle Anreicherungsanalysen identifizierten zudem wichtige Gene und Wege, die der ARDS-Pathogenese zugrunde liegen. Dieser reproduzierbare Arbeitsablauf ermöglicht eine tiefgehende Charakterisierung der zellulären Diversität, der Entzündungswege und der Kandidaten-Therapieziele und bietet eine solide Grundlage für mechanistische und translationale Studien im ARDS.

Einleitung

Das akute Atemnotsyndrom (ARDS) ist eine akute Atemwegserkrankung, die durch diffuse Lungenentzündungen und nicht-kardiogenes Lungenödem gekennzeichnet ist, das sich hauptsächlich als fortschreitende Hypoxämie und Atemversagenäußert 1,2. Die pathologischen Mechanismen von ARDS umfassen dysregulierte entzündliche Kaskaden, Störung der Alveolar-Kapillar-Barriere sowie abnormale Aktivierung und Interaktionen mehrerer Immunzelltypen 3,4. Während des ARDS-Fortschreitens treiben Immunzellen im Lungengewebe entzündliche Kaskaden durch Sekretion von Entzündungsmediatoren und Modulation der Immunantworten an, wodurch das Lungendothel gestört wird, die Aktivierung der extrinsischen Gerinnungskaskade ausgelöst und die Lungenschädigungverschlimmert wird 5,6,7. Das aktuelle Verständnis zellulärer pathologischer Mechanismen bei ARDS bleibt jedoch begrenzt, was die Entwicklung spezifischer pharmakologischer Therapien einschränkt, während die aktuellen Managementstrategien hauptsächlich aus verschiedenen Modalitäten der Sauerstoffversorgung und mechanischer Beatmungbestehen. Eine tiefgehende Charakterisierung der zellulären Heterogenität und dynamischen Veränderungen während der ARDS-Pathogenese ist von größter Bedeutung für die Identifizierung neuer therapeutischer Ziele und die Entwicklung neuer Behandlungsstrategien 8,9,10.

Das Aufkommen der Einzelzell-RNA-Sequenzierungstechnologie (scRNA-seq) hat revolutionäre Durchbrüche in die RNA-Sequenzierungsforschung gebracht und es uns ermöglicht, zelluläre Heterogenität und funktionelle Dynamiken in der Krankheitspathogenesezu analysieren 11,12. Im Vergleich zur traditionellen Bulk-RNA-Sequenzierung kann die scRNA-Seq-Technologie seltene, aber kritische Zellsubpopulationen identifizieren, dynamische Prozesse von Zellzustandsübergängen aufdecken und komplexe interzelluläre Interaktionsnetzwerke entdecken – Informationen, die in Populationsanalysen oft verschleiert werden 13,14,15. Jüngste scRNA-seq-Studien in ARDS haben bedeutende Fortschritte erzielt, darunter die Identifizierung spezifischer Monozyten-Genexpressionssignaturen, die Entdeckung abnormer Makrophagen-Polarisationsmuster und die Aufklärung profibrotischer interzellulärer Kommunikationsnetzwerke 16,17,18,19. Diese Erkenntnisse vertiefen nicht nur unser Verständnis der pathophysiologischen Mechanismen von ARDS, sondern liefern auch neue Einblicke in die Entwicklung von Biomarkern, Krankheitsstratifizierung und Präzisionstherapie20,21.

Die aktuelle ARDS scRNA-seq-Forschung steht jedoch vor Herausforderungen, darunter unzureichende methodische Standardisierung, erhebliche Unterschiede in den Probenverarbeitungsprotokollen und inkonsistente Datenanalysepipelines, die die Reproduzierbarkeit von Forschungsergebnissen und deren klinischen translationalen Anwendungen einschränken22,23. Dieses Protokoll adressiert die technischen Herausforderungen der scRNA-seq-Analyse von ARDS-Lungengewebe, indem es Verfahren für Gewebeverarbeitung, Qualitätskontrolle und Datenanalyse optimiert und so eine Grundlage für mechanistische Studien und therapeutische Entwicklung bildet. Der standardisierte Ansatz gewährleistet Reproduzierbarkeit über verschiedene Labore hinweg und erleichtert vergleichende Studien in der ARDS-Forschung zur zellulären Heterogenität.

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

Protokoll

Zwölf spezifische, pathogenfreie (SPF) männliche Sprague-Dawley (SD) Ratten im Alter von 6–7 Wochen und mit einem Gewicht von 220 g ± 10 g wurden von der Beijing Vital River Laboratory Animal Technology Co., Ltd. gekauft (Tierlizenznummer: SCXK (Jing) 2025-0008). Die Ratten wurden im Labortierzentrum des Dongzhimen-Krankenhauses, Universität für Chinesische Medizin Peking, gemäß dem nationalen Standard "Labortier-Anforderungen an Umwelt- und Unterbringungseinrichtungen" (GB 14925-2010, herausgegeben vom Nationalen Labortier-Standardisierungstechnischen Komitee Chinas) untergebracht. Die experimentellen Verfahren wurden vom Tierschutz- und Ethikausschuss des Dongzhimen-Krankenhauses, Universität für Chinesische Medizin Peking (Genehmigungsnummer: 24-54) genehmigt. Die Reagenzien und die verwendeten Geräte sind in der Materialtabelle aufgeführt.

1. Modellaufbau und Probenentnahme

HINWEIS: Vor dem Experiment sollten alle Ratten einer einwöchigen Eingewöhnungsphase unterzogen, um stressbedingte Effekte zu minimieren.

  1. Lösen Sie Escherichia coli Lipopolysaccharid (LPS) in 0,9 % Kochsalzlösung, um eine 0,4 mg/mL LPS-Lösung zu erhalten.
  2. Teilen Sie 12 männliche Sprague-Dawley (SD) Ratten mit SPF zufällig in zwei Gruppen auf: eine Kontrollgruppe (n = 6) und eine ARDS-Modellgruppe (n = 6).
  3. Verabreichen Sie der Kontrollgruppe 0,9 % Kochsalzlösung intratracheal in einer Dosis von 0,5 ml/100g Körpergewicht.
  4. Verabreichen Sie die 0,4 mg/mL LPS-Lösung intratracheal mit demselben Volumen (0,5 mL/100g) an die ARDS-Modellgruppe und betäuben Sie nach 16 Stunden die Ratten mit Isofluran (nach institutionell genehmigten Protokollen).
  5. Sammeln Sie Blut über die Bauchaorta und zentrifugieren Sie anschließend (4 °C, 1000 × g, 30 min), um Serum zu erhalten.
  6. Öffne die Brusthöhle und entziehe das Lungengewebe.
  7. Führen Sie eine bronchoalveolare Spülung über den Bronchialstump mit einer Spritze durch, um bronchoalveolare Lavage-Flüssigkeit (BALF) zu gewinnen.
  8. Entnehmen Sie den rechten Lungenlappen und spülen Sie ihn mit PBS für eine anschließende pathologische Untersuchung ab.
  9. Entnehmen Sie den linken Lungenlappen und spülen Sie ihn mit PBS für anschließende Einzelzellsequenzierungen und molekularbiologische Experimente26,27.

2. Histopathologische Beurteilung des Lungengewebes

  1. Tauchen Sie das entnommene rechte Lungengewebe der Ratten in 4 % Paraformaldehyd ein, um es 12 Stunden lang zu fixieren.
  2. Nach der Fixierung wird das Gewebe durch eine abgestufte Ethanolserie (70 %, 80 %, 90 %, 95 %, 100 % und 100 %) dehydriert, wobei jede Konzentration 2 Stunden einlässt.
  3. Behandle das dehydrierte Gewebe mit Xylol, bis es durchsichtig wird.
  4. Infiltrieren Sie das transparente Gewebe mit geschmolzenem Paraffin in einem 60 °C Ofen für 2 Stunden.
  5. Legen Sie den infiltrierten Gewebeblock in eine Einbettform, gießen Sie frisches Paraffin hinein und lassen Sie ihn abkühlen und zu einem Paraffinblock festigen.
  6. Schneiden Sie den Paraffinblock mit einem Mikrotom in 4 μm dicke Scheiben, lassen Sie die Schnitte in einem 45 °C-Wasserbad schwimmen, um sie zu verteilen, und nehmen Sie sie dann mit Poly-L-Lysin-beschichteten Objektträgern auf.
  7. Backen Sie die Objektträger in einem 60 °C Ofen, um eine feste Haftung der Abschnitte an den Objektträgern sicherzustellen.
  8. Deparaffinisieren Sie die Abschnitte durch Immersion in Xylol und rehydrieren sie durch einen absteigenden Ethanolgradienten (100 %, 95 %, 90 %, 80 % und 70 %).
  9. Spülen Sie die Schnitte mit PBS, führen Sie eine Färbung von Hämatoxylin und Eosin (HE) durch und montieren Sie die Deckfolien mit neutralem Harz.
  10. Bewerten Sie die Lungenverletzung auf Ganz-Slide-Scans mit einem standardisierten Bewertungssystem basierend auf Neutrofilinfiltration, interstitieller Entzündung, Ödem und Verstopfung.
    HINWEIS: Jeder Parameter wurde je nach Ausmaß der pathologischen Beteiligung von 0 bis 4 bewertet: 0 (kein); 1 (≤25 %); 2 (26-50%); 3 (51-75%); 4 (>75%)28,29.

3. Enzymgekoppelter Immunsorbent-Test

HINWEIS: Proben können bei -80 °C gehalten werden, falls die Analyse nicht unmittelbar nach der Entnahme durchgeführt werden kann.

  1. Lösen Sie die Standards auf und lassen Sie sie 15 Minuten bei Raumtemperatur stehen, führen Sie dann eine serielle Verdünnung gemäß den Anweisungen des Herstellers durch.
  2. Bereiten Sie die biotinylierte Antikörper-Arbeitslösung, die enzymkonjugierte Arbeitslösung und den Waschpuffer wie im Handbuch vorgeschrieben vor.
  3. Fügen Sie 100 μL jeder Probe oder 100 μL seriell verdünnte Standards zu den antikörperbeschichteten Bohrlöchern hinzu und inkubieren Sie bei 37 °C für 90 Minuten.
  4. Waschen Sie die Platte viermal mit einer Scheibenwaschmaschine, fügen Sie 100 μL biotinylierte Antikörper-Arbeitslösung hinzu und inkubieren Sie 30 Minuten bei 37 °C.
  5. Waschen Sie die Platte viermal, fügen Sie 100 μL enzymkonjugierte Arbeitslösung hinzu und inkubieren Sie bei 37 °C für 30 Minuten.
  6. Fügen Sie pro Brunnen 100 μL Substratlösung hinzu und inkubieren Sie lichtgeschützt bei 37 °C für 10 Minuten.
  7. Fügen Sie pro Bohrloch 100 μL Stopplösung hinzu, mischen Sie vorsichtig und messen Sie die optische Dichte (OD) bei 450 nm mit einem Mikroplattenleser.
  8. Erstellen Sie eine Standardkurve, indem Sie die OD-Werte mit Standardkonzentrationen mit der entwickelten Software abbilden.
  9. Bestimmen Sie die Probenkonzentrationen anhand der gemessenen OD-Werte und der Standardkurve.

4. Vorbereitung von Einzelzell-Suspensionen für die Sequenzierung

HINWEIS: Nachdem das Lungengewebe gewonnen wurde, sollte es auf Eis gelegt und umgehend verarbeitet werden, um die Zelllebensfähigkeit zu erhalten.

  1. Waschen Sie das Lungengewebe dreimal mit PBS, das auf 4 °C vorgekühlt ist.
  2. Füge 2 ml vorgekühltes PBS hinzu und zerkleinere sie mit steriler Schere zu kleineren Fragmenten zu einer Größe von etwa 0,5 mm3 Zoll.
  3. Verwenden Sie eine Pasteur-Pipette, um das gehackte Gewebe zusammen mit PBS in ein 15-mL Zentrifugenrohr zu übertragen.
  4. Geben Sie zusätzlich 1 ml PBS, das auf 4 °C vorgekühlt ist, in die Kulturschale gegeben, spülen und suspendieren Sie die restlichen Gewebefragmente erneut und übertragen Sie die Suspension in dasselbe Rohr.
  5. Das Volumen auf 6,5 mL mit vorgekühltem PBS auf 4 °C einstellen, Gewebefragmente in einer Enzymlösung mit Kollagen I (100 U/mL) und Dispase II (1 U/mL) verdauten und 30 Minuten mit sanftem Schütteln bei Raumtemperatur inkubieren.
  6. Wenn die Gewebefragmente durchsichtig werden und keine klaren festen Stücke mehr übrig sind, filtern Sie das verdaute Gewebe durch 70 μm und 40 μm große Zellsiebe, zentrifugieren Sie (4° C, 500 × g, 5 min) und entsorgen Sie den Überstandsstoff.
  7. Sofort das Pellet in 3 ml roten Blutkörperchen-Lysepuffer (RBC) wieder suspendieren, vorsichtig durch Pipette mischen und 10 Minuten auf Eis lysieren.
  8. Wenn der Supernatant blassgelb oder nahezu farblos erscheint, fügen Sie 7 ml PBS hinzu, um die Reaktion zu beenden, zentrifugieren (4 °C, 500 × g, 5 min) und entsorgen Sie den Supernatant.
  9. Fügen Sie 3 ml PBS hinzu, um die Zellen wieder zu suspendieren und die Zellkonzentration sowie Lebensfähigkeit mittels Trypan-Blau-Färbung zu bestimmen.
    HINWEIS: Wenn die Zelllebensfähigkeit unter 70 % liegt, führen Sie ein Verfahren zur Entfernung toter Zellen durch.
  10. Waschen Sie die Zellen zweimal mit einem Waschpuffer, der 0,04 % Rinderserumalbumin (BSA) enthält, das in DPBS hergestellt wird.
  11. Die Zellen werden zum Zählen wieder aufgehängt und die Konzentration auf 1.000 Zellen/μL angepasst, um anschließend zu laden und zu detektionieren.

5. Qualitätskontrolle für Einzelzell-Sequenzierungsdaten

HINWEIS: Einzelzell-RNA-Bibliotheken wurden aus Zellsuspensionen mit einer tröpfchenbasierten Einzelzellbibliothekskonstruktion hergestellt. Die Bibliotheken wurden auf einer Hochdurchsatzplattform mit DNA-Nanoball-basierter Sequenzierung sequenziert. Pro Bibliothek wurden etwa 21.000 Zellen geladen, was eine Zellwiederherstellungsrate von ~60 % anstrebt. Die Sequenzierung erzeugte insgesamt 5,0 × 108-Lesungen pro Bibliothek, mit einer durchschnittlichen Tiefe von 30.000 bis 40.000 Lesungen pro Zelle. Rohsequenzierungsdaten wurden mit der entsprechenden Einzelzell-RNA-Analysepipeline verarbeitet, um die Genexpressionsmatrix für jede Probe zu erstellen.

  1. Stellen Sie die Oligo-Bibliothek durch PCR und Barcode-Kennzeichnung auf, um eine Konzentration von >10 ng/μL und eine Spitzengröße von 180 bp ±10 bp sicherzustellen.
  2. Stellen Sie die cDNA-Bibliothek durch Fragmentierung, Endreparatur, Adapterligation und PCR auf, wobei eine Konzentration >10 ng/μL und eine Spitzengröße von 350–550 bp sichergestellt wird.
  3. Generiere für jede Probe ein Seurat-Objekt aus der Genexpressionsmatrix mit der Read10X-Funktion im Seurat-Paket (v4.3.0) in R-Software (v4.2.0).
  4. Entfernen Sie minderwertige Zellen, indem Sie solche mit mitochondrialem Genanteil >10 % oder Hämoglobin-Genanteil >5 % herausfiltern.
  5. Normalisieren Sie die Daten mit der "LogNormalize"-Methode und einem Skalierungsfaktor von 10.000.
  6. Identifizieren Sie hochvariable Merkmale mit der "VST"-Methode und behalten Sie die 2.000 wichtigsten Gene für die nachgelagerte Analyse bei.
  7. Führe Zellzyklus-Scoring mit Seurats eingebauten Zellzyklusmarker-Genen durch und regressiere die Effekten des Zellzyklus (G2M. Score und S.Score) während der Datenskalierung.
  8. Erkennen und entfernen Sie potenzielle Doublets mit DoubletFinder (v2.0.3) mit pN = 0,25, pK = 0,09 und einer erwarteten Doublet-Rate von 0,06 und schließen diese aus der weiteren Verarbeitung aus.
  9. Korrigiere Batch-Effekte über Samples hinweg mit dem Harmony-Paket (v0.1.1) mit Theta = 2 und max.iter.harmony = 20.
  10. Fügen Sie Informationsspalten für einzelne Stichprobennamen und Gruppierungsdetails der ARDS-Modellgruppe und Kontrollgruppe zu den Metadaten im Seurat-Objekt hinzu.

6. Dimensionsreduktion, Clustering und Zelltypannotation

  1. Führen Sie eine Hauptkomponentenanalyse (PCA) an hochvariablen Genen mit der RunPCA-Funktion in Seurat durch.
  2. Bestimmen Sie die optimale Anzahl der Hauptkomponenten durch die ElbowPlot-Visualisierung.
  3. Identifizieren Sie große Zellcluster durch Anwendung des Leiden-Algorithmus über Seurats FindClusters-Funktion und FindNeighbors-Funktion mit einer Auflösung von 0,1.
  4. Führen Sie eine Dimensionsreduktion von UMAP mit den ausgewählten Hauptkomponenten durch.
  5. Annotieren Sie Zelltypen, indem Sie Marker-Gene mit der Funktion FindAllMarkers identifizieren.
  6. Visualisieren Sie die Markergenexpression über Zelltypen hinweg mithilfe der DotPlot-Funktion.
  7. Fügen Sie den Metadaten eine neue Informationsspalte mit Zellannotationsergebnissen hinzu und visualisieren Sie die Zelltypannotation mit Umap.
  8. Berechnen Sie den Anteil jeder experimentellen Gruppe innerhalb jedes identifizierten Zelltyps mit dplyr-Funktionen zur Zellzählung und Berechnung von Prozenten.
  9. Generiere gestapelte Balkendiagramme mit ggplot2, um die Gruppenzusammensetzung pro Zelltyp zu veranschaulichen, einschließlich Prozentlabels und statistischer Vergleiche zwischen Gruppen.

7. Subpopulationsanalyse

  1. Extrahieren Sie die Zielzell-Subpopulation mit der Teilmengenfunktion und erstellen Sie ein entsprechendes Seurat-Objekt für die Analyse auf nachgeschalteter Teilpopulationsebene.
  2. Normalisieren und skalieren Sie die Subpopulationsdaten neu und regressieren Sie mitochondriale Gene, Hämoglobin-Gene, UMI-Zahlen und Zellzykluswerte.
  3. Führen Sie eine sekundäre PCA-Analyse durch und wenden Sie die Harmony-Batch-Korrektur speziell für die Subpopulation an.
  4. Re-Clustering mit FindNeighbors- und FindClusters-Funktionen durchzuführen, um unterschiedliche Subtypen innerhalb der Zielzell-Subpopulationen zu identifizieren.
  5. Neue UMAP-Einbettungen generieren und Subpopulationscluster mit Zelltyp-Annotationen nach demselben Ansatz wie zuvor beschrieben visualisieren.

8. Analyse der differenziellen Genexpression

  1. Identifizieren Sie differenziell exprimierte Gene (DEGs) zwischen der ARDS-Modellgruppe und der Kontrollgruppe für jeden Subcluster mit der MAST-statistischen Methode.
  2. Integrieren Sie latente Variablenregression zur Kontrolle von Sequenzierungstiefeneffekten während der Differenzialexpressionstests.
  3. Filtere DEGs basierend auf vordefinierten Log-Fold-Change-Schwellenwerten und angepassten p-Werten mit der FindMarkers-Funktion.
  4. Erstellen Sie Vulkandiagramme mit der ggplot-Funktion für jeden Untercluster, um unterschiedliche Genexpressionsmuster mit Signifikanzkennzeichnung zu visualisieren.
  5. Exportieren Sie DEG-Ergebnisse und erstellen Sie umfassende Zusammenfassungstabellen, um die funktionale Anreicherung und andere nachgelagerte Analysen zu erleichtern.

9. Anreicherungsanalyse

  1. Mappe Gen-Symbole mithilfe der Organisation auf ENTREZ-IDs. Rn.eg.db Annotationsdatenbank für die Kompatibilität von Pfadanalysen.
  2. Kombinieren Sie DEGs aus allen Unterclustern und filtern Sie signifikante Gene basierend auf Log-Fold-Change-Schwellenwerten und angepassten p-Werten (Wilcoxon-Rangsummentest, logfc.threshold = 0,25, p_val < 0,05).
  3. Führen Sie Genontologie-(GO)-Anreicherungsanalysen unter Verwendung der Enrich-GO-Funktion mit biologischen Prozessen, Molekularen Funktionen, zellulären Komponenten und der Benjamini-Hochberg-Korrekturmethode durch.
  4. Durchführung der Kyoto Encyclopedia of Genes and Genomes (KEGG) Signalweganreicherungsanalyse mit der KEGG-Funktion mit der Datenbank von Rattenorganismen und Anwendung statistischer Signifikanz-Schwellenwerte.
  5. Erstellen Sie Dotplots für GO- und KEGG-Anreicherungsergebnisse mit der Dotplot-Funktion und zeigen die 15 wichtigsten signifikant angereicherten Terme mit Genverhältnissen und angepassten p-Werten dar.
  6. Exportieren Sie Anreicherungsergebnisse als CSV-Dateien und speichern Sie Visualisierungsdiagramme für eine umfassende Interpretation der Pfadanalysen.

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

Ergebnisse

Die HE-Färbung des Rattenlungengewebes zeigte klare alveolare Strukturen mit minimaler Entzündung in den Kontrollgruppen, während die ARDS-Modellgruppe verzerrte Alveolarhöhlen, verdickte Wände und eine signifikante entzündliche Zellinfiltration aufwies, wie die entsprechenden Lungenverletzungswerte zeigen (Abbildung 1A–E). Erhöhte Spiegel von IL-6, TNF-α und IL-1β in BALF und Serum bestätigten eine erfolgreiche Modellierung und eine systemi...

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

Diskussion

Dieses Protokoll bietet einen standardisierten Ansatz für die Einzelzell-RNA-Sequenzierungsanalyse von Lungengewebe in einem Rattenmodell des akuten Atemnotsyndroms (ARDS). Diese Ergebnisse zeigen die erfolgreiche Etablierung des LPS-induzierten ARDS-Modells, bestätigt durch histopathologische Untersuchungen, erhöhte Lungenschädigungswerte und erhöhte Konzentrationen entzündlicher Zytokine in BALF und Serum. Die einzellige transkriptomische Analyse zeigte 21 verschiedene Zellpopulationen...

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

Offenlegungen

Die Autoren haben nichts offenzulegen.

Danksagungen

Die Autoren möchten die Unterstützung des Horizontalen Projekts des Dongzhimen-Krankenhauses, Universität für Chinesische Medizin in Peking (HX-DZM-202114) anerkennen.

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
0,4 % Trypan-blaue LösungGibco, USA15250061
4 % ParaformaldehydServicebio, ChinaG1101
Rinderserumalbumin (BSA)Sangon Biotech, ChinaA600332-0005
Kollagenase IYEASEN, China40507ES60
CurveExpertHyams-Entwicklungv1.4
Dispase IIYEASEN, China40104ES60
Escherichia coli Lipopolysaccharid (LPS) Sigma, USAL6511
Hämatoxylin- und Eosin-(HE)-FärbungSolarbio, ChinaG1120
Hochdurchsatz-Gensequenzierer MGI Tech Co., LtdMGISEQ-2000RS
PhosphataseinhibitorBeyotime Biotechnologie, ChinaP1081
Phosphatgepufferte LösungSolarbio, ChinaP1020
PMSFSolarbio, ChinaR0010
R software Lucent Technologies, USAv4.2.0
Ratte IL-1β ELISA-Kit4abio, ChinaCRE0006
ratten-IL-6 ELISA-Kit4abio, ChinaCRE0005
Ratte TNF-Α ELISA-Kit4abio, ChinaCRE0003
Lysepuffer für rote Blutkörperchen (RBC)Solarbio, ChinaR1010
Puffer zur Lyse roter BlutkörperchenTiangen Biotech, ChinaRT122-1
RNase-freies WasserAmbion, USAAM9937
TE-Puffer, pH 8,0Ambion, USAAM9858
Tris-Glycin-TransferpufferServicebio, ChinaG2017

Referenzen

  1. Meyer, N. J., Gattinoni, L., Calfee, C. S. Acute respiratory distress syndrome. Lancet. 398 (10300), 622-637 (2021).
  2. Gragossian, A., Siuba, M. T. Acute respiratory distress syndrome. Emerg Med Clin North Am. 40 (3), 459-472 (2022).
  3. Bos, L. D. J., Ware, L. B. Acute respiratory distress syndrome: causes, pathophysiology, and phenotypes. Lancet. 400 (10358), 1145-1156 (2022).
  4. Huang, Q., Le, Y., Li, S., Bian, Y. Signaling pathways and potential therapeutic targets in acute respiratory distress syndrome (ARDS). Respir Res. 25 (1), 30(2024).
  5. Cutolo, M., Campitiello, R., Gotelli, E., Soldano, S. The role of M1/M2 macrophage polarization in rheumatoid arthritis synovitis. Front Immunol. 13, 867260(2022).
  6. Scozzi, D., Liao, F., Krupnick, A. S., Kreisel, D., Gelman, A. E. The role of neutrophil extracellular traps in acute lung injury. Front Immunol. 13, 953195(2022).
  7. Zheng, J., Li, Y., Kong, X., Guo, J. Exploring immune-related pathogenesis in lung injury: providing new insights into ALI/ARDS. Biomed Pharmacother. 175, 116773(2024).
  8. Qiao, Q., Liu, X., Yang, T., Cui, K., Kong, L., Yang, C., Zhang, Z. Nanomedicine for acute respiratory distress syndrome: The latest application, targeting strategy, and rational design. Acta Pharm Sin B. 11 (10), 3060-3091 (2021).
  9. Bonaventura, A., et al. Endothelial dysfunction and immunothrombosis as key pathogenic mechanisms in COVID-19. Nat Rev Immunol. 21 (5), 319-329 (2021).
  10. Yıldırım, F., Karaman, İ, Kaya, A. Current situation in ARDS in the light of recent studies: classification, epidemiology and pharmacotherapeutics. Tuberk Toraks. 69 (4), 535-546 (2021).
  11. Huminiecki, Ł Bulk and single-cell RNA sequencing elucidate the etiology of severe COVID-19. Int J Mol Sci. 25 (6), 3280(2024).
  12. Riemondy, K. A., et al. Single cell RNA sequencing identifies TGF-β as a key regenerative cue following LPS-induced lung injury. JCI Insight. 5 (8), e123637(2019).
  13. Jovic, D., et al. Single-cell RNA sequencing technologies and applications: a brief overview. Clin Transl Med. 12 (3), e694(2022).
  14. Li, X., Wang, C. Y. From bulk, single-cell to spatial RNA sequencing. Int J Oral Sci. 13 (1), 36(2021).
  15. Cheng, C., Chen, W., Jin, H., Chen, X. A review of single-cell RNA-seq annotation, integration, and cell-cell communication. Cells. 12 (15), 1970(2023).
  16. Zhang, F., Wei, K., Slowikowski, K. Defining inflammatory cell states in rheumatoid arthritis joint synovial tissues by integrating single-cell transcriptomics and mass cytometry. Nat Immunol. 20 (7), 928-942 (2019).
  17. Mulder, K., Patel, A. A., Kong, W. T. Cross-tissue single-cell landscape of human monocytes and macrophages in health and disease. Immunity. 54 (8), 1883-1900.e5 (2021).
  18. Chakarov, S., et al. Two distinct interstitial macrophage populations coexist across tissues in specific subtissular niches. Science. 363 (6432), eaau0964(2019).
  19. Kang, Z. Y., et al. Heterogeneity of immune cells and their communications unveiled by transcriptome profiling in acute inflammatory lung injury. Front Immunol. 15, 1382449(2024).
  20. Wang, H. P., et al. Single-cell transcriptome analysis of the mouse lungs during the injury and recovery periods after lipopolysaccharide administration. Inflamm Res. 73 (12), 2087-2107 (2024).
  21. Yao, C., et al. Cell-type-specific immune dysregulation in severely ill COVID-19 patients. Cell Rep. 34 (1), 108590(2021).
  22. Cheng, C., Chen, W., Jin, H., Chen, X. A review of single-cell RNA-seq annotation, integration, and cell-cell communication. Cells. 12 (15), 1970(2023).
  23. Su, M., et al. Data analysis guidelines for single-cell RNA-seq in biomedical studies and clinical applications. Mil Med Res. 9 (1), 68(2022).
  24. Yang, Q., et al. The interaction of macrophages and CD8 T cells in bronchoalveolar lavage fluid is associated with latent tuberculosis infection. Emerg Microbes Infect. 12 (2), 2239940(2023).
  25. Zheng, L., et al. Single-cell transcriptome sequencing reveals the immune microenvironment in bronchoalveolar lavage fluid of checkpoint inhibitor-related pneumonitis. Cancer Immunol Immunother. 74 (4), 128-145 (2025).
  26. Shi, X. Y. Single-cell transcriptomic analysis of radiation-induced lung injury in rat. Biomol Biomed. 24 (5), 1331-1349 (2024).
  27. Huang, H., et al. Single-cell RNA sequencing uncovered the involvement of an endothelial subset in neutrophil recruitment in chemically induced rat pulmonary inflammation. Int J Med Sci. 19 (4), 669-680 (2022).
  28. Kosaka, J., et al. Effects of biliverdin administration on acute lung injury induced by hemorrhagic shock and resuscitation in rats. PLoS One. 8 (5), e63606(2013).
  29. Hassan, N. H., El-Wafaey, D. I. Histopathological scoring system role in evaluation of electronic cigarette's impact on respiratory pathway in albino rat: Biochemical, histo-morphometric and ultrastructural study. Tissue Cell. 79, 101945(2022).
  30. Wang, P., et al. Single-cell suspension preparation from Nile Tilapia intestine for single-cell sequencing. J Vis Exp. (192), e64321(2023).
  31. Wang, F., et al. Integrating bulk and single-cell sequencing reveals the phenotype-associated cell subpopulations in sepsis-induced acute lung injury. Front Immunol. 13, 981784(2022).
  32. Zi, S. F., et al. Endothelial cell-derived extracellular vesicles promote aberrant neutrophil trafficking and subsequent remote lung injury. Adv Sci Weinh. 11 (38), e2400647(2024).
  33. Zi, S. F., Wu, X. J., Tang, Y., Liang, Y. P. Endothelial cell-derived extracellular vesicles promote aberrant neutrophil trafficking and subsequent remote lung injury. Adv Sci Weinh. 11 (38), e2400647(2024).
  34. Hurskainen, M., et al. Single cell transcriptomic analysis of murine lung development on hyperoxia-induced damage. Nat Commun. 12 (1), 1565(2021).
  35. Zhou, X., Zhang, C., Yang, S. Macrophage-derived MMP12 promotes fibrosis through sustained damage to endothelial cells. J Hazard Mater. 461, 132733(2024).
  36. Zhao, C. Q., et al. Heterogeneity of T cells and macrophages in chlorine-induced acute lung injury in mice using single-cell RNA sequencing. Inhal Toxicol. 34 (13-14), 399-411 (2022).
  37. Liu, D., Zhang, Y., Bai, B., Xiong, X. Integration of single-cell RNA sequencing and network pharmacology to elucidate the effect of Yantiao Formula on alleviating ALI by regulating the polarization of alveolar macrophages. J Ethnopharmacol. 343, 119436(2025).
  38. Chen, G. Y., et al. Network pharmacology-based strategy to investigate the mechanisms of Cibotium barometz in treating osteoarthritis. Evid Based Complement Alternat Med. 2022, 1826299(2022).
  39. Chen, G. Y., et al. Integrating network pharmacology and experimental validation to explore the key mechanism of Gubitong Recipe in the treatment of osteoarthritis. Comput Math Methods Med. 2022, 7858925(2022).
  40. Dun, Y., et al. PTTG1 promotes CD34+CD45+ cells to repair the pulmonary vascular barrier via activating the VEGF-bFGF/PI3K/AKT/eNOS signaling pathway in rats with phosgene-induced acute lung injury. Biomed Pharmacother. 162, 114654(2023).
  41. Liu, Z., Wei, J., Sun, H., Xu, L. Plumbagin ameliorates LPS-induced acute lung injury by regulating PI3K/AKT/mTOR and Keap1-Nrf2/HO-1 signalling pathways. J Cell Mol Med. 28 (13), e18386(2024).
  42. Guo, Y., Zhang, H., Lv, Z., Du, Y. Up-regulated CD38 by daphnetin alleviates lipopolysaccharide-induced lung injury via inhibiting MAPK/NF-κB/NLRP3 pathway. Cell Commun Signal. 21 (1), 66(2023).

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

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

Ratten ARDS ModellGewebeassoziationQualit tskontrolleKorrektur des BatcheffektsZell Clusteringdifferenzielle GenexpressionEntz ndungswege

Verwandte Artikel