Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
* These authors contributed equally
Este protocolo describe un flujo de trabajo integrado de bioinformática y aprendizaje automático para identificar biomarcadores de piroptosis estratificados por edad en el síndrome de dificultad respiratoria aguda (SDRA), junto con una metodología in vivo que utiliza un modelo de rata inducido por LPS para validar experimentalmente la eficacia preliminar del agua de energía espectral y la radiación infrarroja lejana.
El síndrome de dificultad respiratoria aguda (SDRA) es un trastorno inflamatorio pulmonar potencialmente mortal, con alta morbilidad y mortalidad, en el que la pirooptosis ha surgido como un mecanismo patógeno fundamental. Teniendo en cuenta que las diferencias inmunitarias y moleculares relacionadas con la edad pueden influir en la pirooptosis y la respuesta terapéutica, este estudio tuvo como objetivo identificar biomarcadores asociados a la pirooptosis específicos de cada edad y evaluar el potencial terapéutico del agua de energía espectral (SEW) combinada con radiación infrarroja lejano (FIR). El flujo de trabajo integral del protocolo abarca procesamiento de conjuntos de datos transcriptómicos, estratificación por edades, aprendizaje automático y análisis de infiltración inmunitaria para identificar genes hub específicos de edad. Esta fase computacional es seguida por una validación experimental in vivo utilizando un modelo de rata ARDS inducido por LPS, empleando evaluación histológica, ELISA y Western blot para evaluar rigurosamente la intervención SEW+FIR y verificar la expresión génica central. Se identificaron dieciséis genes asociados a la pirooptosis, entre los cuales AXL y GSDME se asociaron predominantemente con la gravedad del SDRA en pacientes mayores, mientras que SPP1 fue más relevante en individuos jóvenes. Se observaron firmas inmunitarias distintas, con enriquecimiento e inmunosupresión de macrófagos M2 en pacientes mayores, contrastando con activación proinflamatoria en pacientes más jóvenes. Los análisis funcionales implicaron estos genes en vías metabólicas, inflamatorias y reguladoras del sistema inmunológico. In vivo, el tratamiento SEW+FIR alivió la lesión pulmonar, suprimió la producción de citocinas inflamatorias (IL-1β, IL-18, IL-6, TNF-α) y moduló la expresión de AXL, GSDME y SPP1. En conjunto, estos hallazgos subrayan las diferencias dependientes de la edad en los mecanismos relacionados con la pirooptosis en el SDRA e identifican AXL, GSDME y SPP1 como candidatos preliminares a biomarcadores que merecen una validación clínica adicional. En el modelo experimental murino actual, SEW+FIR demostró efectos protectores al aliviar la inflamación sistémica y modular la señalización relacionada con la pirooptosis, proporcionando un apoyo fundamental in vivo para su potencial como estrategia adjunta no farmacológica.
La lesión pulmonar aguda (ALI)/síndrome de dificultad respiratoria aguda (SDRA) es una enfermedad respiratoria grave caracterizada por un inicio agudo de hipoxemia severa y edema pulmonar no cardiogénico, principalmente resultado de daño alveolardifuso 1. Puede desencadenarse por una variedad de insultos pulmonares y extrapulmonares. Las causas pulmonares incluyen neumonía infecciosa, aspiración de contenido gástrico y traumatismos torácicos graves, mientras que los desencadenantes extrapulmonares surgen de respuestas inflamatorias sistémicas secundarias a insultos no pulmonares, como sepsis, pancreatitis, traumatismos no torácicos, quemaduras graves, transfusiones masivas y lesiones por reperfusión tras trasplante pulmonar o trombectomía 1,2. A pesar de los avances en la atención de apoyo, el SDRA sigue siendo un gran desafío clínico en la medicina de cuidados críticos, con altas tasas de morbilidad y mortalidad a nivelmundial 3. Por lo tanto, comprender la patogénesis de la ALI/SDRA es crucial para desarrollar tratamientos efectivos.
La pirooptosis, una forma inflamatoria de muerte celular programada que ha sido ampliamente caracterizada en el contexto de la supresión tumoral y terapiasoncológicas 4, es ahora reconocida como un actor clave en la fisiopatología delSDRA 5. A diferencia de la apoptosis, la pirooptosis está mediada por la activación del inflamasoma y la posterior escisión, lo que conduce a la formación de poros de membrana, lisis celular y liberación de citocinas proinflamatorias como la interleucina-1β (IL-1β) e interleucina-18 (IL-18)6. En el SDRA, la activación excesiva de la pirooptosis en macrófagos alveolares, células epiteliales y células endoteliales contribuye a una respuesta inflamatoria exagerada, alteración de la barrera alveolar-capilar, edema pulmonar y progresión de lahipoxemia 7. Cada vez hay más evidencia que sugiere que dirigirse a reguladores clave en la vía de la pirooptosis podría representar una estrategia novedosa para atenuar la inflamación y mejorar los resultados clínicos en elSDRA 8,9. Sin embargo, persiste una brecha crítica de conocimiento respecto al impacto del envejecimiento—un determinante clave de la susceptibilidad y el pronóstico del SDRA—en el panorama piropótico. Los estudios actuales suelen tratar el SDRA como una condición monolítica, pasando por alto el potencial de factores moleculares específicos de edad que podrían dictar respuestas terapéuticas personalizadas.
En los últimos años, la aplicación de nuevas intervenciones biofísicas y materiales funcionales avanzados —como emisores de radiación SEW y radiación infrarroja lejana— ha ganado terreno como estrategias no farmacológicas para modular las respuestas inmunitarias y suprimir lainflamación 10,11. Se ha informado que estas terapias mejoran la proliferación y la actividad fagocítica de leucocitos, reducen el edema tisular y mitigan las alteraciones microcirculatorias inducidas por endotoxinas, incluyendo la adhesión leucocitaria, la agregación de eritrocitos, la activación plaquetaria y la lesiónendotelial 12,13,14. En ratas ARDS inducidas por lipopolisacáridos (LPS), el tratamiento combinado SEW y FIR redujo significativamente los niveles de IL-1β e IL-18—los efectores característicos aguas abajo de la cascada piroptótica—tanto en el líquido sérico como en el líquido de lavado broncoalveolar (BALF). Esta evidencia sugiere firmemente que los efectos protectores de SEW+FIR pueden estar mediados por la supresión de la muerte celular impulsada por el inflammasa. Además, se encontró que la SEW, aplicada de forma independiente o como medio disolvente, reducía los niveles de expresión de interleucina-8 (IL-8) y el factor de necrosis tumoral α (TNF-α), mientras que aumentaba los niveles de expresión de interleucina-4 (IL-4) e interleucina-10 (IL-10) en el suero sanguíneo y mejoraba el daño histopatológico pulmonar 15,16,17,18.
Basándonos en estas observaciones, planteamos la hipótesis de que la eficacia terapéutica combinada de SEW y FIR (SEW+FIR) en el SDRA se basa en su capacidad para modular las vías piropóticas específicas de la edad, restaurando así la homeostasis inmune pulmonar de manera dirigida. Actualmente, la base del manejo del SDRA se basa en la ventilación mecánica y agentes farmacológicos limitados como los corticosteroides, que con frecuencia conllevan riesgos de lesiones pulmonares inducidas por ventilador o inmunosupresiónsistémica 19. En comparación con estas terapias convencionales, SEW+FIR ofrece una alternativa no invasiva y no farmacológica que puede mitigar de forma segura las cascadas inflamatorias en fase temprana sin toxicidad secundaria en órganos. En la práctica, este protocolo es más adecuado como intervención complementaria temprana para el SDRA leve a moderado. Su principal limitación es que su eficacia en SDRA fibrótico severo y avanzado sigue sin demostrarse, y no puede sustituir medidas esenciales de soporte vital en un entorno de cuidados críticos. Para poner a prueba nuestra hipótesis, fuimos pioneros en una cadena integrada que une el perfilado transcriptómico estratificado por edad y el aprendizaje automático con la validación en vivo. Este enfoque no solo identifica AXL, GSDME y SPP1 como nuevos objetivos terapéuticos específicos de edad, sino que también proporciona la primera evidencia mecanicista sobre el potencial clínico de SEW+FIR como intervención no farmacológica de precisión para el SDRA.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Todos los procedimientos experimentales en animales se realizaron estrictamente conforme a las directrices aprobadas por el Comité de Bienestar Experimental y Ética Animal del Hospital Dongzhimen, Universidad de Medicina China de Pekín (Aprobación nº 19-54), antes del inicio del estudio.
Fuente de datos y procesamiento de datos
Se recuperaron dos conjuntos de datos de expresión génica (GSE89953 y GSE116560) de la base de datos Gene Expression Omnibus (GEO) 20. El conjunto de datos GSE89953, que incluye datos transcriptómicos de macrófagos alveolares completos de pacientes con SDRA de diferentes grupos de edad, se utilizó para expresión diferencial y análisis de redes. El conjunto de datos GSE116560, que incluye información clínica como el estado de la ventilación mecánica, se utilizó para aprendizaje automático y modelado pronóstico. Además, se extrajeron 608 genes asociados a la pirooptosis de una base de datos completa de anotación genética humana, utilizando una puntuación de correlación superior a 1 como criterio de cribado. Los datos de expresión génica se normalizaron usando el paquete limma en R. Número de ensayo clínico: no aplicable.
Identificación de DEGs
Los pacientes en el conjunto de datos GSE89953 se estratificaron en dos grupos de edad: de baja edad (<45 años) y de edad avanzada (≥45 años). Este corte se seleccionó basándose en evidencia epidemiológica que sugiere que la edad mediana de inicio del SDRA es aproximadamente 45años y 21 años. Para garantizar la robustez de este umbral, se realizaron análisis de sensibilidad utilizando cortes de edad alternativos (50 y 55 años). Estos análisis demostraron patrones consistentes en la identificación de genes hub y el agrupamiento de módulos, validando estadísticamente el corte de 45 años para análisis posteriores. El conjunto de datos se normalizó usando el paquete limma en R. Se identificaron genes diferencialmente expresados (DEGs) entre grupos de edad mediante modelado lineal con moderación empírica de Bayes. Genes con un valor P ajustado < 0,05 y |log₂ cambian| ≥ 0,5 se consideraron DEGs estadísticamente significativos. Se generaron gráficos de volcán y mapas de calor para visualizar los DEGs usando el paquete ggplot2 en R.
Identificación y análisis de enriquecimiento génico asociados a la pirooptosis
Los genes relacionados con la pirooptosis se recuperaron de la base de datos de anotación génica usando la palabra clave "pirooptosis". La intersección de los DEGs y los genes asociados a la pirooptosis se definió como genes relacionados con la piroptosis (DEPs) expresados diferencialmente. Los análisis de enriquecimiento de vías de DEPGs en la Ontología Génica (GO) y la Enciclopedia de Genes y Genomas de Kioto (KEGG) se realizaron utilizando el paquete clusterProfiler en R22. Se anotaron las categorías de Proceso Biológico (BP), Componente Celular (CC) y Función Molecular (MF), y se consideraron significativos la puntuación Z ≥ 1 y los valores ajustados de P < 0,05.
Análisis ponderado de la red de coexpresión génica (WGCNA)
Para identificar módulos génicos asociados a la pirooptosis, se realizó WGCNA utilizando el paquete WGCNA R. Se construyó una red con signos utilizando una potencia de umbral suave (β) de 26 para asegurar una topología libre deescala 23. Los módulos se identificaron mediante el algoritmo dinámico de corte de árbol con un tamaño mínimo de módulo de 30, una división profunda de 2 y un umbral de fusión (altura de corte) de 0,25. Se calculó la correlación entre los autogenes de los módulos y los rasgos de la pirooptosis. El análisis de variación de conjuntos génicos (GSVA) se realizó en módulos seleccionados utilizando conjuntos génicos característicos descargados de MsigDB24,25.
Aprendizaje automático
El conjunto de datos GSE116560 se dividió en grupos de edad alta y baja usando 45 años como corte, y ambos grupos fueron analizados mediante algoritmos de aprendizaje automático. El análisis de regresión con el Operador de Mínima Contracción Absoluta y Selección (LASSO) se implementó utilizando el paquete glmnet (versiones 4.1-2) en R, con el parámetro de penalización óptimo (λ) determinado por una validación cruzada de 10 veces (criterios 1-SE). Para el algoritmo Random Forest (RF), se construyeron 500 árboles (ntree = 500), y el número de características muestreadas en cada división (mtry) se estableció a la raíz cuadrada del número total de predictores para asegurar la estabilidad del modelo. Los genes superpuestos de ambos métodos se definieron como genes de firma específicos de edad.
Construcción y evaluación de modelos diagnósticos
Se construyó un modelo predictivo diagnóstico basado en los genes de firma identificados. Se empleó regresión logística para desarrollar el modelo y se creó un nomograma para visualizar su poder predictivo. El rendimiento del modelo se evaluó utilizando una curva de características de funcionamiento del receptor (ROC), y se calculó el área bajo la curva (AUC) para evaluar su precisión diagnóstica. La validación interna se realizaba mediante remuestreo bootstrap. Se realizó una evaluación adicional de la estabilidad del modelo y su utilidad clínica utilizando gráficos de calibración y análisis de curvas de decisión (DCA).
Análisis de infiltración inmune
La composición de las células inmunitarias en grupos de edad avanzada y baja se estimó utilizando el algoritmo CIBERSORT basado en la matriz de firma LM22. Se compararon las proporciones relativas de 22 tipos de células inmunitarias entre grupos. La expresión diferencial de genes hub entre subconjuntos de células inmunitarias se analizó utilizando datos de muestra única y se visualizó en mapas de calor e histogramas.
Análisis de enriquecimiento de conjuntos génicos (GSEA)
GSEA se realizó por separado en genes hub de los grupos de edad alta y baja. El Análisis de Enriquecimiento de Conjuntos Génicos (GSEA) se realizó utilizando los conjuntos génicos de la Enciclopedia de Genes y Genomas de Kioto (KEGG). Los genes se clasificaron según la relación señal-ruido (o Cambio de pliegue) entre grupos de alta y baja expresión. Posteriormente, se calcularon las puntuaciones de enriquecimiento y enriquecimiento normalizado (NES) utilizando 1.000 permutaciones para identificar vías significativamente enriquecidas. Las vías con una tasa de falsos descubrimientos (FDR) inferior a 0,25 y un valor nominal de P inferior a 0,05 se enriquecieron significativamente. Este análisis se utilizó para inferir las vías biológicas que pueden estar reguladas por cada gen hub.
Animales experimentales
En este estudio se utilizaron dieciocho ratas machos SPF Sprague Dawley (de 6 a 7 semanas, 180 g ± 10 g). La información detallada sobre los proveedores se encuentra en la Tabla de Materiales.
Reactivos e instrumentos
Se utilizaron dispositivos de preparación de agua tratada por campo electromagnético e instrumentos de emisión en infrarrojo lejano para intervenciones experimentales que proporcionaron energía espectral agua (SEW) y radiación infrarroja lejano (FIR), respectivamente. Se utilizó lipopolisacárido (LPS) para modelar el SDRA. Los niveles de citocinas (IL-1β, IL-18, IL-6, TNF-α) se cuantificaron utilizando kits ELISA específicos. Se evaluaron los niveles de expresión proteica (AXL, SPP1, Caspasa-3, GSDME, GAPDH) utilizando anticuerpos primarios específicos y anticuerpos secundarios conjugados con HRP correspondientes. El procesamiento y análisis de muestras se realizó utilizando equipo estándar de laboratorio, incluyendo un biomicroscopio, un microtomo, una centrífuga de alta velocidad, un congelador de ultra baja temperatura y un microlector de placas. Los detalles completos de todos los reactivos, anticuerpos e instrumentos, junto con sus respectivos fabricantes, se proporcionan en la Tabla de Materiales.
Agrupación y modelado de animales
Dieciocho ratas Sprague-Dawley fueron asignadas aleatoriamente a los grupos de Control, Modelo y SEW+FIR, con seis ratas por grupo. Cada grupo era pesado y documentado diariamente. El grupo SEW+FIR recibió terapia FIR (longitud de onda 4 μm–14 μm, distancia de irradiación de 20 cm desde la superficie dorsal) durante 20 minutos diarios en un entorno con temperatura controlada (22 °C ± 2 °C), mientras que simultáneamente recibía SEW a una dosis de 1 mL/100 g/día por la gavageoral 7. Se administró agua destilada por vía oral a los grupos Control y Modelo a una dosis equivalente de 1 mL/100 g/d. Se administró agua destilada y SEW una vez al día durante 7 días tras calentarse en un baño tibio a 60 °C. Al séptimo día, 6 horas después de la alimentación, los grupos modelo y SEW+FIR fueron inyectados con solución LPS a una dosis de 2 mg/kg en peso a través de la vena caudal, mientras que el grupo Control fue tratado con solución fisiológica al 0,9% a una dosis de 2 mg/kg en peso. La técnica de modelado se consideró un método maduro y estable para inducir una respuesta inflamatoria sistémica con una única inyección de LPS a través de la vena caudal. El tejido pulmonar procedente de la patología pulmonar en los grupos modelados fue consistente con las características delSDRA 25. Punto de control: La inducción exitosa del SDRA se indica por letargo visible, taquipnea y una reducción del ~10% del peso corporal en las 16 horas posteriores ala inyección 26.
Recopilación de indicadores relacionados con ratas
Dieciséis horas después, los tres grupos fueron inyectados intraperitonealmente con un 3% de pentobarbital sódico a una dosis de 30 mg/kg de peso corporal para inducir anestesia. CRÍTICO: La profundidad de la anestesia debe confirmarse estrictamente con la pérdida del reflejo de retirada del pedal antes de cualquier intervención procedimental. Además, se mantuvieron estrictos protocolos de bioseguridad; todos los materiales contaminados con LPS, fluidos biológicos y cadáveres de animales se depositaron en contenedores designados para residuos de riesgo biológico para su incinération adecuada. Se recogieron cinco mililitros de sangre de la aorta abdominal en tubos estériles, y el suero se aisló por centrifugación a 1.000 x g durante 20 minutos a 4 °C. El suero se almacenó entonces a −80 °C para su análisis posterior. Tras la toracotomía y ligadura del hilo pulmonar derecho, se obtuvo líquido de lavado broncoalveolar (BALF) enjuagando el pulmón izquierdo tres veces con solución salina fosfatada tamponada (PBS) preenfriada mediante una cánula endotraqueal. El BALF se centrifugó entonces a 1.000 x g durante 10 minutos a 4 °C, y el sobrenadante se almacenó a −80 °C. Se extrajo y limpió el lóbulo superior del pulmón derecho con solución fisiológica fría para eliminar la sangre. Se añadieron nueve volúmenes de solución fisiológica salina en relación con el peso del tejido, y la muestra se picó en un baño de hielo usando tijeras oftálmicas. Se preparó un homogeneado del tejido pulmonar al 10% usando un homogeneizador, seguido de centrifugación a 700 x g durante 15 minutos a 4 °C. El sobrenadante se recogía y almacenaba a −80 °C para un análisis bioquímico adicional. Además, una porción del tejido pulmonar derecho de cada rata se fijó en un 4% de paraformaldehído para el examen histológico.
Indicadores de observación y métodos de detección
El lóbulo inferior del pulmón derecho se procesó mediante incrustación estándar, corte de tejido, decerado, tinción con hezurectomi, separación de color, deshidratación y sellado de película tras fijación en paraformaldehído al 4%. Los tejidos pulmonares de cada grupo mostraron alteraciones patológicas observadas bajo un microscopio óptico.
Se identificaron anomalías patológicas en la arquitectura alveolar y el tabique septual, el grado de infiltración celular inflamatoria, la hiperemia y el edema capilar pulmonar. El Departamento de Patología de la Universidad de Medicina China de Pekín colaboró con la observación. La puntuación histológica de lesión pulmonar se calculó para evaluar la lesión pulmonar de la siguiente manera: sin lesión = 0, lesión en menos del 25% del campo = 1, lesión en el 25–50% del campo = 2, lesión en el 50–75% del campo = 3, y lesión en más del 75% del campo = 4. Diez campos fueron seleccionados aleatoriamente y evaluados por investigadores que no se percibían ante el grupo.
ELISA se realizó en muestras previamente recogidas del supernadante BALF, homogeneado de tejido pulmonar y suero sanguíneo según las instrucciones del fabricante. Brevemente, las muestras se incubaron en pozos pre-recubiertos a 37 °C durante 90 minutos. Tras lavar cinco veces con tampón de lavado, se aplicaron anticuerpos de detección biotinilados (dilución 1:100) durante 60 minutos a 37 °C. Tras otro paso de lavado, se añadió conjugado HRP y se incubó en la oscuridad durante 30 minutos a 37 °C. Posteriormente, la absorbancia se midió a 450 nm utilizando un lector de microplacas para calcular las concentraciones de la muestra.
Se realizó un análisis por Western blot para evaluar los niveles de expresión de AXL, SPP1, caspasa-1, GSDMD, caspasa-3, GSDME y GAPDH en muestras de tejido pulmonar y BALF almacenadas a −80°C. Las proteínas se extrajeron y lisaron según las instrucciones del Kit de Extracción de Proteínas. Se cargaron cantidades iguales de extractos proteicos (40 μg) por carril y se resolvieron mediante SDS-PAGE. Los polipéptidos se separaron y transfirieron a las membranas de PVDF. Las membranas se bloquearon con leche seca desnatada al 5% en TBST durante 1 hora a temperatura ambiente y luego se incubaron durante la noche a 4 °C con los anticuerpos primarios específicos (diluidos 1:1000). Tras lavarse con TBST tres veces durante 10 minutos cada una, las membranas se incubaron con los anticuerpos secundarios conjugados con HRP correspondientes (diluidos 1:5000) en solución bloqueante a temperatura ambiente durante 1 hora. Se utilizó GAPDH como proteína de referencia interna. Las bandas proteicas se visualizaron utilizando un kit de quimioluminiscencia mejorada (ECL) con un tiempo de exposición de 1 a 5 minutos, y los resultados se analizaron mediante software de procesamiento de imágenes. Los niveles relativos de expresión de las proteínas objetivo se calcularon como la proporción entre la proteína objetivo y el GAPDH.
Análisis estadístico
Los índices cuantitativos se expresaron como media ± desviación estándar, y el análisis estadístico se realizó mediante software estadístico. Se utilizó la prueba de Kruskal–Wallis o ANOVA unidireccional para comparar diferencias entre varios grupos, dependiendo de si los datos estaban distribuidos de forma normal. Todas las estadísticas se evaluaron mediante una prueba de hipótesis bilateral. Para análisis que involucraban comparaciones múltiples, como la expresión diferencial de genes y el perfil de infiltración de células inmunitarias, los valores de P se ajustaron utilizando el método de la tasa de falsos descubrimientos de Benjamini-Hochberg (FDR). Un valor P ajustado de 0,05 o inferior se consideró estadísticamente significativo. Se utilizaba software de gráficos para la cartografía.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Identificación de DEGs en GSE89953 diferentes grupos de edad y análisis de enriquecimiento funcional correspondiente
Los datos de expresión en bruto del conjunto de datos GSE89953 se normalizaron usando la función normalizeBetweenArrays en el paquete limma (Figura 1A), y los diagramas de caja antes y después de la normalización confirmaron una mejor consistencia entre muestras. El análisis diferencial de expresión basado en la matriz norm...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
La acumulación de lesiones inflamatorias y desregulación inmunitaria es una característica del síndrome de dificultad respiratoria aguda (SDRA), que puede provocar daños pulmonares graves y alta mortalidad. Debido a la compleja patogénesis y la falta de terapias eficaces, identificar objetivos terapéuticos precisos es fundamental para mejorar los resultados. La evidencia emergente sugiere que la pirooptosis, una forma de muerte celular programada, desempeña un papel central en la progres...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores no tienen nada que revelar.
Los autores desean agradecer a todos los participantes del estudio. Los autores agradecen a AiMi Academic Services (www.aimieditor.com) por sus servicios de edición y revisión en inglés. Esta investigación fue financiada y apoyada por el Proyecto de Investigación Horizontal del Hospital Dongzhimen, Universidad de Medicina China de Pekín (HX-DZM: Nº 2017005/HX-DZM: Nº 2017019), el Proyecto de Investigación de la Universidad de Medicina China de Pekín (2025-JYB-JBGS-034) y el Programa de Investigación Clínica de Hospitales de Medicina Tradicional China de Alto Nivel financiado por el Gobierno Central (DZMG-MLZY-23004).
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Anticuerpo anti-AXL | Abcam | ab215205 | |
| Anticuerpo anti-Caspasa-3 | Abcam | ab184787 | |
| Anticuerpo anti-GAPDH | Abcam | ab8245 | |
| Anticuerpo anti-GSDME | Abcam | ab215191 | |
| Anticuerpo anti-SPP1 | Abcam | ab307994 | |
| Biomicroscopio | OLYMPUS, Japón | BH2 | |
| Instrumento FIR | Grupo JFC de Guangdong | JF-802 | |
| Cabras Anti-Conejo IgG y L (HRP) | Abcam | AB6721 | |
| GraphPad Prism 10.1.2 | GraphPad Software | - | |
| Centrífuga de alta velocidad | Thermo, EE. UU. | Sorvall ST16R | |
| Kit IL-18 ELISA | Jiangsu Meibiao Biotechnology Co., Ltd. | MB-1735B | |
| IL-1 y beta; Kit ELISA | Jiangsu Meibiao Biotechnology Co., Ltd. | MB-1588B | |
| Kit IL-6 ELISA | Jiangsu Meibiao Biotechnology Co., Ltd. | MB-50054A | |
| ImageJ | NIH | - | |
| Lipopolisacáridos (LPS) | Sigma, EE. UU. | L6511 | |
| Ratas Dawley macho SPF (6-7 semanas) | Beijing HFK Bioscience Co., Ltd., China | SCXK (Pekín) 2019-008 (Licencia) | |
| Lector de microplacas (Flash Varioskan) | Termo Científica | Varioskan Flash | |
| Microtomo | LEICA | RM2235 | |
| R software (limma, clusterProfiler, WGCNA, glmnet, randomForest) | Fundación R para la Computación Estadística | - | |
| Instrumento de preparación SEW | Grupo JFC de Guangdong | JF-139 | |
| SPSS 26.0 | IBM | - | |
| Equilibrio de la tabla | Shanghai Cany Precision Instruments Co., Ltd. | HC· TP11· 10 | |
| TNF-& alfa; Kit ELISA | Jiangsu Meibiao Biotechnology Co., Ltd. | MB-50051A | |
| Congelador de ultra baja temperatura | Thermo, EE. UU. | Serie Forma 900 |