Analyse des biomarqueurs de pyroptose spécifique à l’âge et intervention non pharmacologique dans le syndrome de détresse respiratoire aiguë

Résumé

Ce protocole décrit un flux de travail intégré en bioinformatique et apprentissage automatique pour identifier les biomarqueurs de pyroptose stratifiés selon l’âge dans le syndrome de détresse respiratoire aiguë (SDRA), couplé à une méthodologie in vivo utilisant un modèle de rat induit par LPS pour valider expérimentalement l’efficacité préliminaire de l’énergie spectraire de l’eau et du rayonnement infrarouge lointain.

Résumé

Le syndrome de détresse respiratoire aiguë (SDRA) est un trouble pulmonaire inflammatoire potentiellement mortel avec une morbidité et une mortalité élevées, dans lequel la pyroptose est devenue un mécanisme pathogène central. Étant donné que les différences immunitaires et moléculaires liées à l’âge peuvent influencer la pyroptose et la réponse thérapeutique, cette étude visait à identifier des biomarqueurs associés à la pyroptose spécifiques à l’âge et à évaluer le potentiel thérapeutique de l’eau à énergie spectrelle (SEW) combinée au rayonnement infrarouge lointain (FIR). Le flux de travail complet du protocole comprend le traitement des ensembles de données transcriptomiques, la stratification par âge, l’apprentissage automatique et l’analyse d’infiltration immunitaire pour identifier les gènes hubs spécifiques à chaque âge. Cette phase computationnelle est suivie d’une validation expérimentale in vivo utilisant un modèle ARDS induit par LPS, utilisant une évaluation histologique, ELISA et Western blotting pour évaluer rigoureusement l’intervention SEW+FIR et vérifier l’expression du gène central. Seize gènes associés à la pyroptose ont été identifiés, parmi lesquels AXL et GSDME étaient principalement associés à la sévérité du SDRA chez les patients plus âgés, tandis que SPP1 était plus pertinent chez les plus jeunes. Des signatures immunitaires distinctes ont été observées, avec un enrichissement et une immunosuppression des macrophages M2 chez les patients plus âgés, contrastés avec une activation pro-inflammatoire chez les plus jeunes. Des analyses fonctionnelles ont impliqué ces gènes dans les voies métaboliques, inflammatoires et de régulation immunitaire. In vivo, le traitement SEW+FIR a soulagé les lésions pulmonaires, supprimé la production de cytokines inflammatoires (IL-1β, IL-18, IL-6, TNF-α) et modulé l’expression d’AXL, GSDME et SPP1. Collectivement, ces résultats soulignent les différences dépendantes de l’âge dans les mécanismes liés à la pyroptose chez le SDRA et identifient AXL, GSDME et SPP1 comme candidats biomarqueurs préliminaires qui méritent une validation clinique supplémentaire. Dans le modèle expérimental murin actuel, SEW+FIR a démontré des effets protecteurs en soulageant l’inflammation systémique et en modulant la signalisation liée à la pyroptose, fournissant un soutien fondamental in vivo à son potentiel en tant que stratégie adjuvante non pharmacologique.

Introduction

La lésion pulmonaire aiguë (LI)/syndrome de détresse respiratoire aiguë (SDRA) est une maladie respiratoire grave caractérisée par un début aigu d’hypoxémie sévère et d’un œdème pulmonaire non cardiogénique, résultant principalement de lésions alvéolaires^{diffuses 1}. Elle peut être déclenchée par une série d’insultes pulmonaires et extrapulmonaires. Les causes pulmonaires incluent la pneumonie infectieuse, l’aspiration du contenu gastrique et un traumatisme thoracique sévère, tandis que les déclencheurs extrapulmonaires résultent de réponses inflammatoires systémiques secondaires à des insultes non pulmonaires, telles que la septicémie, la pancréatite, les traumatismes non thoraciques, les brûlures graves, la transfusion massive et les lésions de reperfusion après transplantation pulmonaire ou thrombectomie ^1,2. Malgré les avancées dans les soins de soutien, le SDRA reste un défi clinique majeur en médecine intensive, avec des taux élevés de morbidité et de mortalité dans^{le monde 3}. Par conséquent, comprendre la pathogenèse de l’ALI/SDRA est crucial pour développer des traitements efficaces.

La pyroptose, une forme inflammatoire de mort cellulaire programmée largement caractérisée dans le contexte de la suppression tumorale et des thérapies^{oncologiques 4}, est désormais reconnue comme un acteur clé dans la physiopathologie du^{SDRA 5}. Contrairement à l’apoptose, la pyroptose est médiée par l’activation de l’inflammasome et la clivage subséquente du gasdermine D (GSDMD), conduisant à la formation de pores membranaires, à la lyse cellulaire et à la libération de cytokines pro-inflammatoires telles que l’interleaukine-1β (IL-1β) et l’interleukine-18 (IL-18)⁶. Dans le SDRA, une activation excessive de la pyroptose dans les macrophages alvéolaires, les cellules épithéliales et endothéliales contribue à une réponse inflammatoire exagérée, à une perturbation de la barrière alvéolaire-capillaire, à un œdème pulmonaire et à une progression de^{l’hypoxémie 7}. De plus en plus de preuves suggèrent que cibler les principaux régulateurs de la voie de la pyroptose pourrait représenter une stratégie nouvelle pour atténuer l’inflammation et améliorer les résultats cliniques dans le^{SDRA 8,9}. Cependant, un déficit de connaissances crucial subsiste concernant l’impact du vieillissement — un facteur clé de la susceptibilité et du pronostic du SDRA — sur le paysage pyroptotique. Les études actuelles traitent souvent le SDRA comme une condition monolithique, négligeant le potentiel de moteurs moléculaires spécifiques à chaque âge qui pourraient dicter des réponses thérapeutiques personnalisées.

Ces dernières années, l’application de nouvelles interventions biophysiques et de matériaux fonctionnels avancés — tels que les émetteurs de radiations SEW et de rayonnement infrarouge lointain (FIR) — a gagné en popularité comme stratégies non pharmacologiques pour moduler les réponses immunitaires et supprimer l’inflammation^10,11. Ces thérapies ont été rapportées pour améliorer la prolifération des leucocytes et l’activité phagocytaire, réduire l’œdème tissulaire et atténuer les perturbations microcirculatoires induites par les endotoxines — notamment l’adhésion des leucocytes, l’agrégation des érythrocytes, l’activation des plaquettes et les lésions^{endothéliales} 12,13,14. Chez les rats ARDS induits par le lipopolysaccharide (LPS), le traitement combiné SEW et FIR a considérablement réduit les niveaux d’IL-1β et d’IL-18 — les effecteurs signature en aval de la cascade pyroptotique — tant dans le liquide de lavage sérique que bronchoalvéolaire (BALF). Ces preuves suggèrent fortement que les effets protecteurs de SEW+FIR peuvent être médiés par la suppression de la mort cellulaire causée par l’inflammasome. De plus, le SEW, appliqué indépendamment ou comme milieu solvant, a montré qu’il réduisait les niveaux d’expression de l’interleukine-8 (IL-8) et du facteur de nécrose tumorale α (TNF-α), tout en augmentant les niveaux d’expression de l’interleukine-4 (IL-4) et de l’interleukine-10 (IL-10) dans le sérum sanguin et en atténuant les lésions pulmonaires^{histopathologiques} 15,16,17,18.

À partir de ces observations, nous avons émis l’hypothèse que l’efficacité thérapeutique combinée de la SEW et de la FIR (SEW+FIR) dans le SDRA repose sur sa capacité à moduler les voies pyroptotiques spécifiques à l’âge, restaurant ainsi l’homéostasie immunitaire pulmonaire de manière ciblée. Actuellement, la principale prise en charge du SDRA repose sur la ventilation mécanique et sur des agents pharmacologiques limités tels que les corticostéroïdes, qui comportent fréquemment des risques de lésions pulmonaires induites par un ventilateur ou d’immunosuppression^{systémique 19}. Comparé à ces thérapies conventionnelles, SEW+FIR propose une alternative non invasive et non pharmacologique qui peut atténuer en toute sécurité les cascades inflammatoires précoces sans toxicité des organes secondaires. En pratique, ce protocole est le plus adapté comme intervention complémentaire précoce pour le SDRA léger à modéré. Sa principale limitation est que son efficacité dans le SDRA fibrosique sévère et avancé reste non prouvée, et il ne peut pas remplacer les mesures essentielles de soutien vital en soins intensifs. Pour tester notre hypothèse, nous avons mis en place un pipeline intégré qui relie le profilage transcriptomique stratifié par âge et l’apprentissage automatique avec la validation en vivo. Cette approche identifie non seulement AXL, GSDME et SPP1 comme des cibles thérapeutiques nouvelles et spécifiques à leur âge, mais fournit également la première preuve mécaniste du potentiel clinique de SEW+FIR comme intervention non pharmacologique de précision pour le SDRA.

Protocole

Toutes les procédures expérimentales animales ont été strictement réalisées conformément aux directives approuvées par le Comité d’éthique et de bien-être animal expérimental de l’hôpital Dongzhimen, Université de médecine chinoise de Pékin (Approbation n° 19-54), avant le début de l’étude.

Source des données et traitement des données
Deux ensembles de données sur l’expression génique (GSE89953 et GSE116560) ont été extraits de la base de données Gene Expression Omnibus (GEO^{) 20}. Le jeu de données GSE89953, qui inclut des données transcriptomiques de macrophages alvéolaires entiers provenant de patients atteints de SDRA de différents groupes d’âge, a été utilisé pour l’expression différentielle et l’analyse en réseau. Le jeu de données GSE116560, qui inclut des informations cliniques telles que l’état de la ventilation mécanique, a été utilisé pour l’apprentissage automatique et la modélisation pronostique. De plus, 608 gènes associés à la pyroptose ont été extraits d’une base de données complète d’annotation génétique humaine, en utilisant un score de corrélation supérieur à 1 comme critère de dépistage. Les données d’expression génique ont été normalisées à l’aide du paquet limma dans R. Numéro d’essai clinique : non applicable.

Identification des DEG
Les patients du jeu de données GSE89953 étaient répartis en deux groupes d’âge : les jeunes (<45 ans) et les plus âgés (≥45 ans). Ce seuil a été choisi sur la base de preuves épidémiologiques suggérant que l’âge médian d’apparition du SDRA est d’environ 45^{ans 21}. Pour garantir la robustesse de ce seuil, des analyses de sensibilité ont été réalisées en utilisant des seuils d’âge alternatifs (50 et 55 ans). Ces analyses ont démontré des schémas cohérents dans l’identification des gènes centraux et le regroupement des modules, validant ainsi statistiquement le seuil de 45 ans pour les analyses ultérieures. L’ensemble de données a été normalisé à l’aide du paquet limma dans R. Les gènes exprimés différiellement (DEG) entre groupes d’âge ont été identifiés par modélisation linéaire avec modération bayesique empirique. Gènes avec une valeur P ajustée < 0,05 et |log₂ changement de pliage| ≥ 0,5 étaient considérés comme des DEG statistiquement significatifs. Des graphiques volcaniques et des cartes thermiques ont été générés pour visualiser les DEG en utilisant le package ggplot2 dans R.

Identification et analyse d’enrichissement des gènes associés à la pyroptose
Les gènes liés à la pyroptose ont été extraits de la base de données d’annotation génétique en utilisant le mot-clé « pyroptose ». L’intersection des DEG et des gènes associés à la pyroptose a été définie comme des gènes liés à la pyroptose (DEGP) exprimés différemment. Les analyses d’enrichissement des voies des DEGP par la Gene Ontology (GO) et la Kyoto Encyclopedia of Genes and Genomes (KEGG) ont été réalisées à l’aide du package clusterProfiler dans R²². Les catégories Processus biologique (BP), Composante cellulaire (CC) et Fonction moléculaire (MF) ont été annotées, et le score Z ≥ 1 ainsi que les valeurs P ajustées < 0,05 ont été considérées comme significatives.

Analyse pondérée du réseau de co-expression génique (WGCNA)
Pour identifier les modules géniques associés à la pyroptose, le WGCNA a été réalisé à l’aide du package WGCNA R. Un réseau signé a été construit en utilisant une puissance de seuil souple (β) de 26 pour garantir une topologie sans échelle^{de 23}. Les modules ont été identifiés via l’algorithme de coupe dynamique en arbre avec une taille minimale de module de 30, une division profonde de 2, et un seuil de fusion (hauteur de coupe) de 0,25. La corrélation entre les gènes propres des modules et les traits de pyroptose a été calculée. L’analyse des variations de l’ensemble génétique (GSVA) a été réalisée sur certains modules à l’aide de jeux de gènes caractéristiques téléchargés depuis MsigDB^24,25.

Apprentissage automatique
Le jeu de données GSE116560 a été divisé en groupes d’âge élevé et bas en utilisant 45 ans comme seuil, et les deux groupes ont été analysés à l’aide d’algorithmes d’apprentissage automatique. L’analyse de régression par l’opérateur de réduction absolue et de sélection minimale (LASSO) a été réalisée à l’aide du package glmnet (version 4.1-2) dans R, avec le paramètre de pénalité optimal (λ) déterminé par une validation croisée 10 fois (critères 1-SE). Pour l’algorithme Random Forest (RF), 500 arbres (ntree = 500) ont été construits, et le nombre de caractéristiques échantillonnées à chaque scission (mtry) a été fixé à la racine carrée du nombre total de prédicteurs afin d’assurer la stabilité du modèle. Les gènes qui se chevauchent des deux méthodes ont été définis comme des gènes signatures spécifiques à l’âge.

Construction et évaluation de modèles diagnostiques
Un modèle de prédiction diagnostique a été construit à partir des gènes signatures identifiés. Une régression logistique a été employée pour développer le modèle, et un nomogramme a été créé pour visualiser son pouvoir prédictif. La performance du modèle a été évaluée à l’aide d’une courbe de caractéristique de fonctionnement du récepteur (ROC), et la surface sous la courbe (AUC) a été calculée pour évaluer sa précision diagnostique. La validation interne était réalisée via un rééchantillonnage bootstrap. Une évaluation supplémentaire de la stabilité du modèle et de son utilité clinique a été réalisée à l’aide de diagrammes d’étalonnage et d’analyse de courbes de décision (DCA).

Analyse de l’infiltration immunitaire
La composition des cellules immunitaires dans les groupes d’âge avancé et bas âge a été estimée à l’aide de l’algorithme CIBERSORT basé sur la matrice de signature LM22. Les proportions relatives de 22 types de cellules immunitaires ont été comparées entre les groupes. L’expression différentielle des gènes hubs à travers les sous-ensembles des cellules immunitaires a été analysée à l’aide de données d’échantillon unique et visualisée dans des cartes thermiques et des histogrammes.

Analyse d’enrichissement d’ensembles de gènes (GSEA)
GSEA a été réalisée séparément sur des gènes hubs des groupes d’âge élevé et bas. L’analyse d’enrichissement des ensembles de gènes (GSEA) a été réalisée à l’aide des ensembles de gènes de l’Encyclopédie des gènes et génomes de Kyoto (KEGG). Les gènes ont été classés en fonction du rapport signal/bruit (ou changement de plis) entre les groupes à haute et basse expression. Les scores d’enrichissement et d’enrichissement normalisé (NES) ont ensuite été calculés à l’aide de 1 000 permutations pour identifier des voies significativement enrichies. Les voies avec un taux de fausse découverte (FDR) inférieur à 0,25 et une valeur nominale de P inférieure à 0,05 ont été significativement enrichies. Cette analyse a ensuite été utilisée pour déduire les voies biologiques qui peuvent être régulées par chaque gène central.

Animaux expérimentaux
Dix-huit mâles de rats Sprague Dawley SPF (âgés de 6 à 7 semaines, 180 g ± 10 g) ont été utilisés dans cette étude. Les informations détaillées sur les fournisseurs sont listées dans le tableau des matériaux.

Réactifs et instruments
Des dispositifs de préparation de l’eau traitée par champ électromagnétique et des instruments d’émission à l’infrarouge lointain ont été utilisés pour des interventions expérimentales visant à fournir respectivement l’énergie spectrale, l’eau (SEW) et le rayonnement infrarouge lointain (FIR). Le lipopolysaccharide (LPS) a été utilisé pour modéliser le SDRA. Les niveaux de cytokines (IL-1β, IL-18, IL-6, TNF-α) ont été quantifiés à l’aide de kits ELISA spécifiques. Les niveaux d’expression des protéines (AXL, SPP1, Caspase-3, GSDME, GAPDH) ont été évalués à l’aide d’anticorps primaires spécifiques et d’anticorps secondaires conjugués à HRP correspondants. Le traitement et l’analyse des échantillons ont été réalisés à l’aide d’équipements de laboratoire standards, comprenant un biomicroscope, un microtome, une centrifugeuse à grande vitesse, un congélateur ultra-basse température et un lecteur de microplaques. Les détails complets de tous les réactifs, anticorps et instruments, ainsi que de leurs fabricants respectifs, sont fournis dans le tableau des matériaux.

Regroupement animal et modélisation
Dix-huit rats Sprague-Dawley ont été assignés au hasard aux groupes Témoin, Modèle et SEW+FIR, avec six rats par groupe. Chaque groupe était pesé et documenté quotidiennement. Le groupe SEW+FIR a reçu une thérapie FIR (longueur d’onde 4 μm–14 μm, distance d’irradiation de 20 cm à partir de la surface dorsale) pendant 20 minutes par jour dans un environnement à température contrôlée (22 °C ± 2 °C), tout en recevant simultanément une SEW à une dose de 1 mL/100 g/j par gavage^{oral 7}. L’eau distillée était administrée par voie orale aux groupes témoin et modèle à une dose équivalente de 1 mL/100 g/j. L’eau distillée et l’eau distillée étaient administrées une fois par jour pendant 7 jours après chauffage dans un bain chaud à 60 °C. Le septième jour, 6 heures après l’alimentation, les groupes modèle et SEW+FIR ont reçu une injection de solution LPS à une dose de 2 mg/kg en poids via la veine de la queue, tandis que le groupe témoin a été traité avec 0,9 % de solution physiologique à une dose de 2 mg/kg en poids. La technique de modélisation a été considérée comme une méthode mature et stable pour induire une réponse inflammatoire systémique par une injection unique de LPS via la veine de la queue. Le tissu pulmonaire issu de la pathologie pulmonaire dans les groupes modélisés était cohérent avec les caractéristiques du^{SDRA 25}. Point de contrôle : Une induction réussie du SDRA est indiquée par une léthargie visible, une tachypnée et une réduction de poids corporel de ~10 % dans les 16 heures suivant^{l’injection 26}.

Collection d’indicateurs liés aux rats
Seize heures plus tard, les trois groupes ont été injectés intrapéritonéalement avec 3 % de pentobarbital sodique à une dose de 30 mg/kg de poids corporel pour induire l’anesthésie. CRITIQUE : La profondeur de l’anesthésie doit être strictement confirmée par la perte du réflexe de retrait pédalaire avant toute intervention procédurale. De plus, des protocoles stricts de biosécurité étaient maintenus ; tous les matériaux contaminés par le LPS, les fluides biologiques et les carcasses d’animaux ont été éliminés dans des conteneurs désignés comme déchets biologiques pour une incinération correcte. Cinq millilitres de sang ont été prélevés de l’aorte abdominale dans des tubes stériles, et le sérum a été isolé par centrifugation à 1 000 x g pendant 20 minutes à 4 °C. Le sérum était ensuite stocké à −80 °C pour une analyse plus approfondie. Après une thoracotomie et une ligature du hile pulmonaire droit, le liquide de lavage bronchoalvéolaire (BALF) a été obtenu en rinçant le poumon gauche trois fois avec une solution physiologique pré-refroidie au phosphate tamponné (PBS) via une canule endotrachéale. Le BALF a ensuite été centrifugé à 1 000 x g pendant 10 minutes à 4 °C, et le surnageant a été stocké à −80 °C. Le lobe supérieur du poumon droit a été retiré et nettoyé avec une solution physiologique froide pour retirer le sang. Neuf volumes de solution physiologique ont été ajoutés par rapport au poids tissulaire, et l’échantillon a été haché dans un bain de glace à l’aide de ciseaux ophtalmiques. Un homogénate de tissu pulmonaire à 10 % a été préparé à l’aide d’un homogénéisant, suivi d’une centrifugation à 700 x g pendant 15 minutes à 4 °C. Le surnageant a été collecté et stocké à −80 °C pour une analyse biochimique ultérieure. De plus, une portion du tissu pulmonaire droit de chaque rat a été fixée dans 4 % de paraformoldéhyde pour l’examen histologique.

Indicateurs d’observation et méthodes de détection
Le lobe inférieur du poumon droit a été traité par incrustation standard, découpage tissulaire, décirage, coloration en HE, séparation des couleurs, déshydratation et scellage du film après fixation dans 4 % de paraformodéhyde. Les tissus pulmonaires de chaque groupe présentaient des altérations pathologiques observées au microscope optique.

Des anomalies pathologiques de l’architecture alvéolaire et du septum, le degré d’infiltration des cellules inflammatoires, l’hyperémie et l’œdème capillaire pulmonaire ont été identifiées au microscope optique. Le département de pathologie de l’Université de médecine chinoise de Pékin a assisté à cette observation. Le score histologique de la lésion pulmonaire a été calculé pour évaluer la lésion pulmonaire comme suit : pas de blessure = 0, blessure dans moins de 25 % du champ = 1, blessure dans 25–50 % du champ = 2, blessure dans 50–75 % du champ = 3, et blessure dans plus de 75 % du champ = 4. Dix champs ont été sélectionnés au hasard et évalués par des chercheurs aveugles face au groupement.

L’ELISA a été réalisé sur le surnageant BALF prélevé précédemment, sur l’homogénéat de tissu pulmonaire et les échantillons de sérum sanguin selon les instructions du fabricant. En résumé, des échantillons ont été incubés dans des puits pré-enduit à 37 °C pendant 90 minutes. Après cinq lavages avec un tampon de lavage, des anticorps de détection biotinylés (dilution 1:100) ont été appliqués pendant 60 minutes à 37 °C. Après une autre étape de lavage, le conjugué HRP a été ajouté et incubé dans l’obscurité pendant 30 minutes à 37 °C. Par la suite, l’absorbance a été mesurée à 450 nm à l’aide d’un lecteur de microplaques pour calculer les concentrations d’échantillons.

Une analyse Western blot a été réalisée pour évaluer les niveaux d’expression d’AXL, SPP1, caspase-1, GSDMD, caspase-3, GSDME et GAPDH dans les tissus pulmonaires et des échantillons de BALF stockés à −80°C. Les protéines ont été prélevées et lysées selon les instructions du kit d’extraction des protéines. Des quantités égales d’extraits protéiques (40 μg) ont été chargées par voie et résolues par SDS-PAGE. Les polypeptides ont ensuite été séparés et transférés dans des membranes PVDF. Les membranes ont été bloquées avec 5 % de lait écrémé dans TBST pendant 1 heure à température ambiante, puis incubées toute la nuit à 4 °C avec les anticorps primaires spécifiques (dilués à 1:1000). Après un lavage avec TBST trois fois pendant 10 minutes chacun, les membranes ont été incubées avec les anticorps secondaires conjugués à HRP correspondants (dilués à 1:5000) dans une solution bloqueante à température ambiante pendant 1 heure. Le GAPDH a été utilisé comme protéine de référence interne. Les bandes protéiques ont été visualisées à l’aide d’un kit de chimiluminescence améliorée (ECL) avec un temps d’exposition de 1 à 5 minutes, et les résultats ont été analysés à l’aide d’un logiciel de traitement d’image. Les niveaux d’expression relatifs des protéines cibles ont été calculés comme le rapport entre la protéine cible et le GAPDH.

Analyse statistique
Les indices quantitatifs étaient exprimés en moyenne ± écart-type, et une analyse statistique était réalisée à l’aide de logiciels statistiques. Le test de Kruskal–Wallis, ou ANOVA unidirectionnel, a été utilisé pour comparer les différences entre plusieurs groupes, selon que les données étaient normalement distribuées. Toutes les statistiques ont été évaluées à l’aide d’un test d’hypothèse à double face. Pour les analyses impliquant des comparaisons multiples, telles que l’expression différentielle des gènes et le profilage par infiltration des cellules immunitaires, les valeurs de P ont été ajustées à l’aide de la méthode du taux de fausse découverte de Benjamini-Hochberg (FDR). Une valeur P ajustée de 0,05 ou moins était considérée comme statistiquement significative. Des logiciels de graphiques étaient utilisés pour la cartographie.

Résultats

Identification des DEG dans GSE89953 groupes d’âge différents et analyse correspondante de l’enrichissement fonctionnel
Les données d’expression brutes du jeu de données GSE89953 ont été normalisées à l’aide de la fonction normalizeBetweenArrays dans le package limma (Figure 1A), et les boxplots avant et après la normalisation ont confirmé une meilleure cohérence entre les échantillons. L’analyse d’expression différentielle basée sur la m...

Discussion

L’accumulation de lésions inflammatoires et de dysrégulation immunitaire est une caractéristique du syndrome de détresse respiratoire aiguë (SDRA), entraînant de graves lésions pulmonaires et une forte mortalité. En raison de la complexité de la pathogenèse et du manque de thérapies efficaces, l’identification de cibles thérapeutiques précises est essentielle pour améliorer les résultats. Les preuves émergentes suggèrent que la pyroptose, une forme de mort cellulaire programmée, joue un ...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
Anticorps anti-AXL	Abcam	ab215205
Anticorps anti-Caspase-3	Abcam	ab184787
Anticorps anti-GAPDH	Abcam	ab8245
Anticorps anti-GSDME	Abcam	ab215191
Anticorps anti-SPP1	Abcam	ab307994
Biomicroscope	OLYMPUS, Japon	BH2
Instrument FIR	Groupe JFC du Guangdong	JF-802
IgG Anti-Lapin de Chèvre & L (HRP)	Abcam	ab6721
GraphPad Prism 10.1.2	Logiciel GraphPad	-
Centrifugeuse à grande vitesse	Thermo, USA	Sorvall ST16R
Kit IL-18 ELISA	Jiangsu Meibiao Biotechnology Co., Ltd.	MB-1735B
IL-1 & bêta ; Kit ELISA	Jiangsu Meibiao Biotechnology Co., Ltd.	MB-1588B
Kit IL-6 ELISA	Jiangsu Meibiao Biotechnology Co., Ltd.	MB-50054A
ImageJ	NIH	-
Lipopolysaccharide (LPS)	Sigma, USA	L6511
Mâles de rats Sprague Dawley SPF (6-7 semaines)	Beijing HFK Bioscience Co., Ltd., Chine	SCXK (Pékin) 2019-008 (Licence)
Lecteur de microplaques (Flash Varioskan)	Thermo Scientific	Varioskan Flash
Microtome	LEICA	RM2235
R logiciel (limma, clusterProfiler, WGCNA, glmnet, randomForest)	Fondation R pour l’informatique statistique	-
Instrument de préparation SEW	Groupe JFC du Guangdong	JF-139
SPSS 26.0	IBM	-
Balance du tableau	Shanghai Cany Precision Instruments Co., Ltd.	HC· ; TP11· ; 10
TNF-& alpha ; Kit ELISA	Jiangsu Meibiao Biotechnology Co., Ltd.	MB-50051A
Congélateur ultra-basse température	Thermo, USA	Série Forma 900