Oksidatiivinen stressi, toimintahäiriöinen energia-aineenvaihdunta ja epävakauttavat neurotransmitterit muuttivat aivojen aineenvaihduntaprofiilia simuloidussa helioksukyllästyssukelluksessa 4.0 MPa Ⅱ

Kudosten poistomenettely

Polaaristen metaboliittien uuttomenetelmä kudosnäytteistä oli pieni muutos, kuten raportoitu [18]. Esipunnitut pakastetut kudosnäytteet sulatettiin jäillä ja homogenisoitiin sitten mekaanisesti jääkylmässä HPLC-luokan metanoli-kloroformi-vesi-liuotinjärjestelmässä (400 μL, 400 µl ja 285 µl 100 mg aivokudosta kohti) käyttämällä kudoshomogenisaattoria (Precellys 24, Bertin Technologies, Villeurbanne, Ranska). Saatuja homogenaatteja pidettiin jäissä 30 minuutin ajan ja sitten sentrifugoitiin 12,{12}} xg 10 minuutin ajan 4 °C:ssa. Kunkin näytteen supernatantti poistettiin sitten ja lyofilisoitiin polaarisia metaboliitteja sisältävän jauheen saamiseksi pakastekuivaimessa (FD-1A-80, BIOCOOL, Kiina). Jokainen jauhenäyte liuotettiin sitten uudelleen 550 µl:lla PBS-puskuria, jossa oli 0,1 prosenttia TSP:tä, ja kaikki näytteet sekoitettiin sitten huolellisesti rota-sekoituksella ja sentrifugoitiin 12,{22}} xg 20 minuutin ajan 4 °C:ssa. 500 µl:n erä supernatanttia siirrettiin sitten halkaisijaltaan 5,0 mm NMR-putkeen (Norrel, UK). Proteiinin uuttoperiaate aivokuoren näytteessä oli aiemmin kuvattu ilman muutoksia. Tarkka määrä aivokuoren näytteitä kaadettiin homogenointipuskuriin (HEPES 25 mmol/L, pH 7,4, MgC12 5 mmo1/L, DTT 2 mmol/L, EDTA 1,3 mmol/L, EGTA 1 mmol/L, 0,1 % Triton X-100, aprotiniini, pepstatiini A ja leupeptiini 10 ug/ml) ja homogenisoitiin manuaalisesti jäähauteessa. Seosta sentrifugoitiin 1, 000 xg 10 minuutin ajan 4 °C:ssa, ja supernatanttia käytettiin kvantitatiivisiin proteiinipitoisuuksiin käyttämällä Bradford-testiä.

Napsauta tätä saadaksesi tietää Cistanchen hapettumisenestotoiminnosta

Biokemiallinen määritys

Herkkää, kilpailevaa entsyymikytkettyä immunosorbenttimääritystä (ELISA) käytettiin määrityspakkausten kanssa metabolisten entsyymien Na-KATPaasi ja AChE sekä välittäjäaineiden DA, E, NE, 5HT ja GABA kvantifiointiin. ELISA määritti myös SOD-, MDA- ja GPx-tasot kortikaalikudoksessa määrityssarjoilla valmistajan ohjeiden mukaisesti.

NMR-mittaus

Kudosaineenvaihduntatuotteiden tehokas kvantifiointi saavutettiin käyttämällä analyyttistä alustaa, joka perustui nestemäiseen korkearesoluutioiseen Bruker Avance-III NMR-spektrometriin, joka oli varustettu korkean herkkyyden kryogeenisellä koettimella, joka toimii taajuudella 600. 17 MHz 1 H-havaintoja varten 298 K:ssa. Veden vaimennettu yksiulotteinen 1 H ZGPR (TOPSPIN-versio 3.0, Bruker Biospin) pulssisekvenssi (RD-90˚-ACQ) käytettiin hanki NMR-tiedot jokaisesta näytteestä. Neljä valeskannausta ja 128 transienttia tallennettiin 32 K datapisteen aikatasoon käyttämällä spektrin leveyttä 20 ppm 10,0 s:n rentoutumisviiveellä ja 2,73 s:n hankinta-ajalla. 0,3 Hz:n eksponentiaalinen viivan levennysfunktio ja nollatäyttö 64 K datapisteisiin sovellettiin kaikkiin vapaisiin induktiovaimentimiin (FID) ennen Fourier-muunnosta. Muita kaksiulotteisia NMR-tekniikoita pulssikenttägradienttikorrelaatiospektroskopialla (gCOSY) ja 2D-homonukleaarisella kokonaiskorrelaatiospektroskopialla (TOCSY) käytettiin käyttäen vakiopulssiohjelmia valituissa näytteissä kemiallisen siirtymän määrittämisen vahvistamiseksi. Kaikissa spektrien hankinnassa käytettiin automaattista näytteenvaihtajaa jatkuvaa näytteenottoa varten.

Metaboliitin tunnistaminen ja vahvistus

NMR-signaalit, jotka perustuvat yksittäisten resonanssien sijaintiin spektrissä, tunnistettiin Chenomx NMR Suite v. 8.4 -ohjelmistopaketissa (Evaluation version). Joidenkin metaboliittimäärityksiä vahvistettiin ottaen huomioon kemialliset siirtymät, kytkentävakiot ja aineenvaihduntatuotteiden moninaisuuskuviot tietona skalaarikytkentöistä, jotka on saatu 1 H–1 H COSY:sta, 1 H–1 H TOCSY:stä, julkisista NMR-tietokannoista, kuten COLMAR ja Human Metabolome. Tietokanta (HMDB) ja kirjallisuus [18, 19].

Monimuuttuja tilastollinen analyysi

Kunkin 1D1H-NMR-spektrin esikäsittelyyn käytetty esikäsittelyprotokolla oli sama kuin edellisessä työssämme [20] kuvattu. 1H NMR -spektrit vaiheistettiin ja perusviivakorjattiin käyttämällä MestReNovaa (Mestrelab Research, SL, Espanja), ja kunkin metaboliitin spektrialue integroitiin yhteen ämpäriin. Orgaanisen liuottimen signaalin resonanssit ja jäännös H2O/HOD-signaalialue poistettiin kaikista 1D1H NMR-spektreistä. Kaikissa spektreissä käytettiin 0.{{30}}03 Hz:n kauhaproseduuria ja normalisointia spektrin intensiteetin summaan kerrottuna 10 000:lla. Vain yhden piikin suurimmat kauhan arvot valittiin seuraavan vaiheen analyysiin, jotta vältetään erottelevien metaboliittien väärintulkinta päällekkäisten signaalien vuoksi. Myöhemmin 47 metaboliitin kokonaiset ämpärit uutettiin ja niille suoritettiin yksimuuttuja- ja monimuuttujatietoanalyysi. Erotteluanalyysi pääkomponenttianalyysillä (PCA) ja erotteluanalyysi osittaisella pienimmän neliösumman erotteluanalyysillä (PLS-DA) ja ortogonaalisilla projektioilla latenttien rakenteiden erotteluanalyysillä (OPLS-DA) suoritettiin käyttämällä SIMCA-P plus 14.0 -ohjelmistopakettia (Umetrics). , Uumaja, Ruotsi) skaalattu yksikkövarianssitietoihin. PCA- ja PLS-DA-pisteytyskäyrät havainnollistettiin ensimmäisellä ja toisella pääkomponentilla (t[1], t[2]), kun taas OPLS-DA-pisteytyskäyrässä käytettiin t[1] ja ortogonaalista komponenttia (to[1] ]). Parametrit Q2 (cum), R2Y (cum) ja R2X (cum) laskettiin testaamaan erottelumallien kestävyyttä ylisovitusta vastaan ​​[21]. Kuten aiemmin on kuvattu, laadunarviointiarvoa Q2 � 0,4 pidetään luotettavana mallina. Seitsenkertaista ristiinvalidointistrategiaa ja permutaatiotestiä 200 kertaa ensimmäisen komponentin kanssa sovellettiin mallin ylisovittamisen estämiseksi ja mallien luotettavuuden vahvistamiseksi. Jos Q2-regressioviivalla oli negatiivinen leikkauspiste ja Q2-arvot, jotka sovitettiin vasempaan pisteeseen, olivat suurempia kuin kaikki permutoidun testin oikeanpuoleisten pisteiden Q2-arvot, vakiintunut OPLS-DA-malli oli vankka [22]. Oletusarvoista 10-taiton ristiinvalidointistrategiaa käytettiin mallin liiallisen sovittamisen estämiseksi. Yleensä laadunarviointitilastoa (Q2) � 0,4 pidetään luotettavana mallina, kuten aiemmin on kuvattu. OPLS-DA-malleista erotettuja korrelaatiokertoimia (r) ja VIP-arvoja käytettiin sellaisten metaboliittien tunnistamiseen, jotka vaikuttivat merkittävästi näiden kahden ryhmän erottamiseen. Lisäksi metaboliittien kerta-muutokset ryhmien välillä laskettiin käyttämällä funktiota. IA/IB, jossa IA ja IB edustavat A- ja B-ryhmän metaboliittiintegraalin keskiarvoja. Lämpökartta ja laatikkokaaviot piirrettiin helpottamaan metaboliittien vaihtelujen ymmärtämistä ryhmien välillä.

Yksimuuttujatilastot metaboliittiintegraaleista

Kunkin ryhmän metaboliittien kauhan keskiarvo ilmaistaan ​​keskiarvona ± standardipoikkeama (SD). Yksimuuttujaanalyysi suoritettiin myös käyttämällä ANOVAa (varianssianalyysi). Tilastollisesti merkitsevät erot ryhmien välillä arvioitiin kahden hännän parittomalla t-testillä log-muunnoksen jälkeen GraphPad Prism V 8.4.3 -ohjelmistossa (Graph Pad Software Inc., San Diego, CA, USA). Tilastollisesti merkitsevät erot määriteltiin p:n arvoilla (< 0.05). According to the three criteria, including an absolute value of r greater than 0.50, a value of VIP greater than 1.0, and a p-value less than 0.05, the bucket variables with one of three features will be selected as discriminatory variables. Because more than one bucket value was listed from the same metabolite, two or more discriminative variables arising from the same metabolite will be present in the discriminatory panel. Selection will be carried out based on VIP rankings, and only the variables from the same metabolites with the highest VIP values were therefore selected as discriminatory metabolite level features, which will be included in the next-step analysis.

Järjestelmätilastollinen metabolinen korrelaatioanalyysi ja hierarkkinen klusterianalyysi

Pearsonin korrelaatiokertoimen laskenta ja hierarkkinen klusterianalyysi suoritettiin metaboliittien suhteellisten integraalien perusteella R Studiossa (versio 1.4.1717) pienillä skripteillä. Jokaisen ryhmäparin korrelaatiomatriisi havainnollistettiin pikselikartalla, kuten kirjallisuudessa on kuvattu [21]. Lyhyesti sanottuna yhden ryhmän kunkin muuttujan kohdalla korrelaatioita, joiden p-arvot olivat alle 0.05, pidettiin merkittävinä tilastollisina korrelaatioina, ja ne pidettiin lopullisen korrelaatioverkoston muodostamiseksi havainnollistamaan metaboliittien piileviä suhteita ryhmien väliset aineenvaihduntasuhteet. Punaisemmat neliöt osoittavat merkittävämpää positiivista korrelaatiota. Sinisemmat neliöt osoittavat merkittävämpää positiivista korrelaatiota. Valkoiset neliöt osoittavat korrelaation ilman merkitystä. HSD:n vastaajina käytettyjen tärkeimpien aivojen aineenvaihduntareittien ja -verkostojen analyysi suoritettiin MetaboAnalyst 3.0 -työkalulla. Suoritettua polun topologia-analyysiä varten valittiin Rattus norvegicus (rotta) nisäkäspolkukirjasto. Tätä lähestymistapaa käytettiin myös antamaan arvioita reitin vaikutuksesta, väärien havaitsemismääristä (FDR) ja p-arvoista.

Tulokset Kortikaaliset biokemialliset indeksit HSD- ja CON-ryhmistä

Vahvistaakseen HSD:n metabolisia muutosvaikutuksia aivokudoksiin, biokemiallisiin parametreihin, mukaan lukien Na-KATP:n, AChE:n ja LDH:n, DA:n, E:n, NE:n, 5HT:n ja GABA:n välittäjäaineiden, energian aineenvaihduntaan liittyvät entsymaattiset vaikutukset ja theoksidatiiviseen stressiin liittyvät proteiinit/NURMI, MDA, ja Gpx määritettiin myös HSD- ja CON-rottien ipsilateraalisissa aivokuoren kudoksissa (taulukko 1). Verrokkiryhmään verrattuna DA-, E-, NE- ja MDA-tasot nousivat merkittävästi, kun taas Na-KATP-, AChE-, LDH-, 5HT-, GABA-, SOD- ja Gpx-pitoisuudet laskivat HSD-mallissa. Tässä työssä käytettyjen määrityssarjojen havaitsemisraja on listattu S3-taulukossa lisämateriaalien tiedostossa.

Taulukko 1. Biokemiallisten parametrien kvantifiointi mitattiin aivokuoren kudosten CON- ja HSD-eläimissä ELISA:lla määrityspakkausten avulla. (keskiarvo ± SD). osoittaa tilastollista merkitsevyyttä.

Aivokudosnäytteiden 1H NMR-spektreissä tunnistetut aineenvaihduntatuotteet

Kuvio 3 esittää kolme edustavaa1H-NMR-spektriä HSD-rotan aivokuoresta (kuvio 3A), hippokampuksesta (kuvio 3B) ja aivojuoviosta (kuvio 3C). Aivokudosnäytteiden 1 H NMR -tietojen perusteella tunnistettiin laaja valikoima merkittäviä metaboliitteja, ja ne ovat orgaanisia happoanioneja (laktaatti (Lac), malonaatti (Maln), sukkinaatti (Suc), malaatti (Mal), fumaraatti (FMA). ), 2-hydroksibutyraatti (2-HB), asetaatti (Ace), formiaatti (For), tauriini (Tau), askorbaatti (Asc), 2-hydroksibutyraatti (2HIB)), aminohapot (leusiini (Leu), isoleusiini (Ile), valiini (Val), alaniini (Ala), glysiini (Gly), tyrosiini (Tyr), fenyylialaniini (Phe), aspartaatti (Asp), glutamiini (Gln), glutamaatti (Glu) , treoniini (Thr), seriini (Ser), lysiini (Lys), asparagiini (Asn)), välittäjäaineet ( -aminobutyraatti (GABA)), energiaan liittyvät metaboliitit (kreatiini (Cre), adenosiinitrifosfaatti (ATP), adenosiinimonofosfaatti ( AMP)), fosfolipidiin liittyvät metaboliitit (Ofosfoetanoliamiini (PEA), O-fosfokoliini (Pcho), sn-glysero-3-fosfokoliini (GPC)) ja muut (myo-inositoli (MI), nikotiiniamidiadeniinidinukleotidi (NAD plus) ), nikotiinihappo (Nic), N-asetyyliaspartaatti (NAA), nikotiiniamidi-adeniini-dinukleotidifosfaatti (NADP plus), UDP-N-galaktoosi (UDPGa), uridiini (Uri), urasiili (Ura), kystidiini (Cyt) , uridiini-5'-monofosfaatti (UMP), inosiini-5'-monofosfaatti (IMP), inosiini (Ino), koliini (Cho), autonitiini (Car), glutationi (GSH). S1-taulukko näyttää yksityiskohtaiset tiedot metaboliittimäärityksistä.

Aineenvaihduntaprofiilin muutokset paljastettiin metabolomisessa analyysissä

PCA, tutkiva ja puolueeton analyysimenetelmä kaikista aivouutteista eri aivoalueilla saatujen 1H NMR-spektrien suhteen, tehtiin ensin paljastamaan tärkeimmät aineenvaihduntatrendit, jotka johtuivat ylipainealtistumisesta 400 msw:lle. heliox-kyllästysympäristö. PC1:n ja PC2:n hajontakäyrä, joka saatiin PCA:sta (S1A–S1C Fig) integraalisista segmenttidatasta, paljasti tietyn eron näiden kahden luokituksen välillä. PLS-DA- (S1A'-S1C' kuva) ja OPLS-DA (kuva 4A-4C) mallien valvotut tutkimukset osoittivat selkeitä luokkaeroja aineenvaihduntaprofiileissa ryhmien välillä. Kuva 4 esittää OPLS-DA-mallin pisteytyskaavioita aivokuoren alueelle (A), hippokampuksen alueelle (B) ja aivojuovioalueelle (C), mikä osoittaa selkeän eron HSD-ryhmien ja kontrollien välillä. Suuri selitetty vaihtelu ja ennusteen hyvyys, joka heijastui R2X- ja Q2-arvoista (S1A'–S1C' kuva, kuva 4A–4C) ja permutaatiotestikäyrät (kuva 4'-4C'A) osoittivat, että luotujen valvottujen mallien kestävyys. S-viivakaavioista erotettu korrelaatiokerroin (r), muuttuva merkitys projektiossa (VIP) ja p-arvo ei-parametrisista yksimuuttujatesteistä kerättiin luokkaa erottavista kuvioista vastuussa olevien merkittävien metaboliittien arvioimiseksi. Siksi valitsimme tilastollisesti merkittäviä metaboliitteja sisältävän paneelin, joka täyttää yhden kolmesta kriteeristä (r:n absoluuttinen arvo suurempi kuin 0.50, VIP:n arvo suurempi kuin 1,0, yhdessä p-arvon kanssa alle 0,05). (Taulukko 1), joka vastaa CON- ja HSD-ryhmien välisestä erottamisesta. Taulukossa 1 kerta-muutosarvot, jotka ovat suuremmat kuin 1, osoittavat kohonnutta tasoa HSD-ryhmässä, kun taas kertamuutosarvot alle 1 osoittavat alentuneen tason HSD-ryhmässä. Erottavien metaboliittien keskimääräiset SD-arvot on lueteltu S2-taulukossa. Metaboliittien hierarkkista klusterianalyysiä ja keskimääräistä sidosmenetelmää käyttämällä generoitu lämpökartta (kuvat 5A–5C) dendrogrammeilla mahdollistaa kolmen aivoalueen aineenvaihduntamuutosten paremman visualisoinnin, jotka aiheutuvat ylipainealtistuksesta heliumilla hapen kyllästetyssä ympäristössä.

HSD-rottien eri aivojen alueilla havaitut aineenvaihduntahäiriöt

Yllä mainittu monimuuttuja-analyysi ja yksimuuttuja-analyysi, jossa käytettiin metaboliittien ämpärikorkeutta eri ryhmissä, tarjosivat erinomaisen työputken erottavien metaboliittien tunnistamiseen, jotka paljastavat HSD-tapahtumiin liittyvät mahdolliset neurologiset metaboliset muutokset. Kohonneita AMP-, FMA-, Nic- ja Phe-arvoja sekä Ala-, Asn-, Car-, Cho-, Cyt-, GABA-, GSH-, Ino-, Lac-, Pcho-, Phe-, Tyr-, Ura- ja Uri -pitoisuuksien väheneminen havaittiin HSD:n aivokuorikudoksessa. ryhmä verrattuna CON-ryhmään (kuvio 5A, taulukko 1). Samaan aikaan hippokampuksessa Ala, GSH, Lac, Uri, Cyt, GABA, Tyr ja Ura myös vähenivät ja AMP lisääntyi HSD-ryhmässä, kuten aivokuoressa. Lisäksi ylössäädelty Thr ja alentunut Gly, ATP, Tau, Imp, Suc, Asc ja DMA ilmentyivät HSD-ryhmän hippokampusuutteissa verrattuna kontrolleihin (kuvio 5B, 5D, taulukko 1). CONS-ryhmään verrattuna Cyt-, GABA-, Ura-, Cho- ja Thr-pitoisuudet vähenivät myös aivokuoressa ja hippokampuksessa. Lisäksi lisääntyneet haaraketjuisten aminohappojen (BCAA:t, mukaan lukien Leu, Ile, Val) ja Lys tasot ja alentuneet Gln-, NAA-, NAD plus-, NADP plus-, Asp-tasot, sarja ATP:n, Taun, IMP:n metaboliitteja, ja Suc, joka myös väheni hippokampuksessa, ja kaksi muuta metaboliittia, Ino ja Pcho, jotka myös vähenivät aivokuoressa, havaittiin HSD-ryhmän rottien striatumkudoksissa (kuvio 5C, 5D, taulukko 1). Tällaiset monet aineenvaihduntatuotteet osoittavat aina osallisia molekyylireittejä, jotka ovat monimutkaisia ​​ja monimuotoisia. Erottelevien aineenvaihduntatuotteiden kokonaisarvot määritettiin, ja tilastollisesti merkittävät kerta-muutokset niiden pitoisuuksissa helioksikyllästys-ylipainealtistuneiden ja kontrolliryhmien välillä on esitetty S2-taulukossa ja taulukossa 2 kolmen aivoalueen osalta.

Kuva 4. Ortogonaalisen osittaisen pienimmän neliösumman erotteluanalyysin (OPLS-DA) pisteytyskäyrät ja permutaatiotestikäyrät, jotka erottavat 400 msw:n helioksisaturaatioaltistuksen vaikutuksen 1H NMR-spektreihin aivokuoren kontrolliryhmistä (CONC, n=8, HSDC, n=8, A ja A') (R2X=0.38; Q2=0.46), hippokampus (CONH, n {{12} }, HSDH, n=8, B ja B') (R2X=0.37; Q2=0.43) ja striatum (CONS, n=8, HSDS, n=8, C ja C') (R2X=0.39; Q2=0.40). Q2-parametrin arvot OPLS-DA-pisteytyskäyrissä, jotka olivat yhtä suuria tai suurempia kuin 0,40, yhdistettynä permutoiduissa malleissa vasemmanpuoleisimman pisteen Q2-arvoihin, olivat suurempia kuin kaikki sovitetut oikeiden pisteiden Q2-arvot (permutaatio testi 80 kertaa), mikä osoittaa, että vakiintuneet OPLS-DA-mallit olivat kelvollisia.

Pcho, joka myös väheni aivokuoressa, havaittiin HSD-ryhmän rottien striatumkudoksissa (kuvio 5C, 5D, taulukko 1). Tällaiset monet aineenvaihduntatuotteet osoittavat aina osallisia molekyylireittejä, jotka ovat monimutkaisia ​​ja monimuotoisia. Erottelevien aineenvaihduntatuotteiden kokonaisarvot määritettiin, ja tilastollisesti merkittävät kerta-muutokset niiden pitoisuuksissa helioksikyllästys-ylipainealtistuneiden ja kontrolliryhmien välillä on esitetty S2-taulukossa ja taulukossa 2 kolmen aivoalueen osalta.

Kuva 5. Lämpökartta- ja tilastolliset korrelaatiokäyrät, jotka on johdettu aivokuoren (A, A', HSDC-näytteet ylemmässä paneelissa ja CONC on alapaneelissa), aivotursasta (B, B', HSDH) peräisin olevien erottelevien metaboliittien ämpäriarvoista ryhmä sijaitsee ylemmässä paneelissa ja CONH on alemmassa paneelissa) ja aivojuovio (C, C', HSDS-näytteet sijaitsevat ylemmässä paneelissa ja CONS on alemmassa paneelissa) HSD- ja CON-rottien kudokset. Lämpökartan aineenvaihduntatuotteet on järjestetty hierarkkisen klusteroinnin avulla tasokuvioiden yleisen samankaltaisuuden perusteella. Venn-kaavio (D), joka havainnollistaa metaboliittien päällekkäisyyttä HSDC-CONC-, HSDH-CONH- ja HSDS-CONS-vertailujen välillä.

Metaboliittien korrelaatioanalyysi

Suhde metaboliittien välillä tai niiden välillä oli niin monimutkainen kuvassa 5A'-5C'. Energiametaboliittien osalta positiiviset korrelaatiot Lac vs Ala HSDC:ssä, AMP vs IMP HSDH:ssa, ATP vs Pcho HSDS:ssä, Suc vs GABA/Gln/Tyr/NAA HSDS:ssä ja negatiiviset korrelaatiot Lac vs Thr ja GSH vs. Suc HSDH:ssa, Suc vs Val HSDS:ssä olivat läsnä metaboliittien korrelaatiokäyrissä. Välittäjäaineiden osalta positiiviset korrelaatiot GABA:lle vs autolle HSDC:ssä, GABA:lle vs Cholle CONH:ssa ja GABA:lle vs. Suc/Ino/Gln:lle HSDS:ssä esiintyivät metaboliittikorrelaatiokäyrissä. Negatiiviset korrelaatiot GABA:lle vs FMA:lle CONC:ssa ja GABA:lle vs. NAA/Ura/NADP plus:lle CONS:ssä olivat läsnä metaboliittikorrelaatiokäyrissä. Metaboliiteille, jotka liittyvätoksidatiivista stressiä,positiivisia korrelaatioitaGSH vs Asn HSDC:ssä ja CONC, Tau vs Lac HSDH:ssa, Tau vs Suc/Ala CONH:ssa, negatiiviset korrelaatiot GSH vs Suc HSDH:ssa, Tau vs Thr HSDH:ssa olivat läsnä metaboliittikorrelaatiossa. juonit.

Aineenvaihduntareitin analyysi

Kvantitatiivinen reittianalyysi, joka koostui reitin rikastumisanalyysistä ja reitin topologian vaikutuksista, paljasti erittäin tilastollisesti merkittäviä HSD-indusoituja modulaatioita sarjassa aineenvaihduntareittejä. Reittivaikutuspisteet yhdessä väärien havaitsemisprosenttien (FDR) ja p-arvojen kanssa on kuvattu kuvassa 6. Reittejä pidettiin merkittävästi rikastuneina, jos p-arvot olivat pienempiä kuin 0.05; profiloidut metaboliitit (osumat) suhteessa reitin kokonaismetaboliitteihin (yhteensopivuustila) olivat suurempia kuin 1; ja vaikutuspisteet (osoittivat merkittävästi vaikuttaneiden metaboliittien vaikutuksen reitillä suhteellisen välisen keskiarvon verkkotopologian mittaan) olivat korkeammat kuin 0. Aivokuoren reitit (kuva 6A), joilla oli suurin metabolinen vaikutusarvo, olivatfenyylialaniini, tyrosiini, jatryptofaanin biosynteesi>fenyylialaniinin aineenvaihdunta> pyrimidiinin aineenvaihdunta > alaniini-, aspartaatti- ja glutamaattiaineenvaihdunta. Hippokampuksen reitit (kuva 6B), joilla oli suurin aineenvaihduntavaikutus, olivat fenyylialaniinin, tyrosiinin ja tryptofaanin biosynteesi > glutationin aineenvaihdunta > glysiinin, seriinin ja treoniinin aineenvaihdunta > puriinin aineenvaihdunta > pyrimidiinin aineenvaihdunta > alaniinin, aspartaatin ja glutamaattiaineenvaihdunta > butanoaatti . Aivojuovion reitit (kuva 6C), joilla oli suurin aineenvaihduntavaikutus, olivat alaniini-, aspartaatti- ja glutamaattiaineenvaihdunta > nikotinaatti- ja nikotiiniamidiaineenvaihdunta > puriinimetabolia.

Kysy lisää:

Sähköposti:wallence.suen@wecistanche.com

Whatsapp/Puh.: plus 86 15292862950