Value of plasma neutrophil extracellular traps on illness condition and prognosis in patients with acute cerebral infarction
-
摘要:目的
分析血浆中性粒细胞胞外诱捕网(NETs)主要成分瓜氨酸组蛋白3(CitH3)及双链DNA(dsDNA)水平与急性脑梗死(ACI)患者病情严重程度的相关性及其对患者预后的预测价值。
方法选取120例ACI患者作为研究对象, 根据病情严重程度分为轻度组65例[美国国立卫生研究所脑卒中量表(NIHSS)评分0~4分]和重度组55例(NIHSS评分>4~15分)。治疗前后, 分别检测2组患者血浆CitH3、dsDNA、N末端B型利钠肽原(NT-proBNP)、血小板(PLT)、凝血酶原时间(PT)、国际标准化比值(INR)、中性粒细胞与淋巴细胞比值(NLR)、血小板与淋巴细胞比值(PLR)、单核细胞与高密度脂蛋白胆固醇比值(MHR)和改良爱丁堡-斯堪的纳维亚卒中量表(MESSS)评分, 并分析各项临床指标与NIHSS评分的相关性。根据末次随访改良Rankin量表评分将患者分为良好预后组98例和不良预后组22例, 比较2组临床指标水平差异, 并分析各项临床指标与ACI患者不良预后的相关性。绘制受试者工作特征曲线, 分析血浆CitH3联合dsDNA对ACI患者预后的诊断性能。
结果治疗前后, 重度组血浆CitH3、dsDNA、NT-proBNP、MHR和MESSS评分均高于轻度组, 差异有统计学意义(P<0.05); 治疗前后, 重度组PLT、PT、INR、NLR、PLR与轻度组比较, 差异无统计学意义(P>0.05)。血浆CitH3、dsDNA、NT-proBNP分别与NIHSS评分呈正相关(r=0.814、0.775、0.725, P<0.05)。随访1年, 不良预后组的血浆CitH3、dsDNA、NT-proBNP水平高于良好预后组, 差异有统计学意义(P<0.05)。血浆CitH3、dsDNA水平高均为ACI患者近期预后不良的危险因素(OR=2.913、2.887, P=0.029、0.036)。血浆CitH3联合血浆dsDNA预测ACI患者随访1年预后不良的曲线下面积为0.823, 敏感度为84.5%, 特异度为89.5%。
结论血浆NETs主要成分CitH3、dsDNA联合检测能有效评估ACI患者病情严重程度, 较好地预测患者近期预后。
-
关键词:
- 急性脑梗死 /
- 中性粒细胞胞外诱捕网 /
- 瓜氨酸组蛋白3 /
- 双链DNA /
- 预后
Abstract:ObjectiveTo analyze correlations of the main components of neutrophil extracellular traps (NETs)[citrulline histone 3 (CitH3) and double-stranded DNA (dsDNA)] with the ill severity in patients with acute cerebral infarction (ACI)and its predictive value in prognosis.
MethodsA total of 120 patients with ACI were collected as study objects, and were divided into mild group[65 cases, the National Institutes of Health Stroke Scale (NIHSS) score of 0 to 4] and severe group (55 cases, the NIHSS score of 4 to 15) according to severity of illness. Before and after treatment, plasma CitH3, dsDNA, N-terminal B-type natriuretic peptide (NT-proBNP), platelet (PLT), prothrombin time (PT), international standardized ratio (INR), neutrophil-to-lymphocyte ratio (NLR), platelet-to-lymphocyte ratio (PLR), monocyte-to-high density lipoprotein cholesterol ratio(MHR) and modified Edinburgh-Scandinavian Stroke Scale (MESSS) score were detected in two groups, and the correlations of above clinical indexes with the NIHSS scores were analyzed. According to the modified Rankin Scale score at the last follow-up, the patients were divided into good prognosis group (98 cases) and poor prognosis group (22 cases). The difference of clinical indicators between the two groups was compared, and the correlations of clinical indicators with poor prognosis of ACI patients were analyzed. Receiver operating characteristic (ROC) curve was drawn to analyze the diagnostic performance of plasma CitH3 combined with dsDNA for the prognosis of ACI patients.
ResultsThe levels of CitH3, dsDNA, NT-proBNP, MHR and MESSS before and after the treatment in the severe group were all higher than those in the mild group (P<0.05), but the levels of PLT, PT, INR, NLR and PLR showed no significant differences between two groups (P>0.05). The positive correlation of the indexes of CitH3, dsDNA and NT-proBNP with the NIHSS scores were found (r=0.814, 0.775, 0.725; P<0.05). After 1-year follow-up, the levels of plasma CitH3, dsDNA and NT-proBNP in the poor prognosis group were higher than those in the good prognosis group(P<0.05). The increased CitH3 and dsDNA were the risk factors to the short-term poor prognosis in patients with ACI (OR=2.913, P=0.029; OR=2.887, P=0.036). The area under the curve of plasma CitH3 combined with plasma dsDNA in predicting poor prognosis of ACI patients at 1 year follow-up was 0.823, sensitivity was 84.5%, and specificity was 89.5%.
ConclusionThe combined detection of main components of CitH3 and dsDNA of plasma NETs can effectively evaluate the ill severity of patients with ACI, and has good predictive value of the short-term prognosis.
-
克罗恩病(CD)属于炎症性肠炎(IBD), 是一种影响胃肠道的慢性炎性肉芽肿性疾病[1-2]。目前, CD尚不能根治，西医主要以抗炎药、免疫抑制药物[3]和抗肿瘤坏死因子为主的生物制剂治疗，这些药物服用期间限制较多，且疗效有限；新型药物如抑制淋巴细胞迁移的调节剂、靶向肠道组织降解和重塑的抑制剂等尚在研发中[4]。中医药辨证论治CD，具有独特疗效。
CD的临床特点与中医的“肠痈”“肛庸”“痔漏”“流注”相似，临床可从“肠痈”的角度来论治CD[5]。败酱散是治疗肠痈代表方[6], 出自《金匮要略》，由薏苡仁、附子、败酱草三味药组成，该方能排脓消痈，振奋阳气，临床应用广泛，对IBD疗效显著[7]。目前对该方治疗溃疡性结肠炎(UC)研究较多, CD与UC早期难以鉴别，根据中医辨证论治思想，该方亦适用于CD, 但对其治疗CD作用机制的研究较少。本研究基于生物信息学探讨败酱散调控氧化应激(OS)缓解CD的活性成分、潜在靶点、通路及机制，为进一步实验提供方向。
1. 数据库及软件
TCMSP数据库(https://tcmspw.com/tcmsp.php); Uniprot数据库(https://www.uniprot.org/); GEO数据库(https://www.ncbi.nlm.nih.gov/geo/); String11.5在线平台(https://stringdb.org); Genecards数据库(https://www.genecards.org/); Enrichr数据库(http://amp.pharm.mssm.edu/Enrichr/); Mirtarbase数据库(http://mirtarbase.mbc.nctu.edu.tw/index.html); Starbase数据库(https://starbase.sysu.edu.cn); Targetscan数据库(http://www.targetscan.org/vert_71/); Rstudio软件或R4.1.2软件; Cytoscape3.8.2软件。
2. 资料与方法
2.1 CD相关靶点筛选
利用GEO数据库，以“crohn′s disease”为检索词，通过筛选，下载GSE36807、GSE59071、GSE102133数据集以及对应GPL平台文件，将上述数据集中CD组(CD, n=86)以及对照组(正常, n=30)合并、矫正，使用R软件利用“Limma”包以lgFC>1、矫正后P < 0.05为条件筛选出差异表达基因，将这些基因作为疾病作用靶点。
2.2 药物活性成分及靶点筛选
以口服利用度(OB)≥30%, 类药性(DL)≥0.18为有效活性成分筛选条件，在TCMSP数据库筛选，获取薏苡仁、附子、败酱草3味中药有效成分。结合TCMSP中Relate Targets的文件得到有效成分对应的靶点，再通过Uniprot数据库中注释文件，将靶点名转化为基因名。
2.3 OS相关基因获取
在Genecards数据库中以“oxidative stress”为关键词搜索相关基因，以“Relevance score≥7”为条件筛选获得OS相关基因。
2.4 药物与疾病共同靶点筛选及作用靶点网络构建
将2.1中的疾病靶点与2.2中药物靶点以及2.3中获取的OS相关基因取交集，绘制韦恩图，得到共同靶点数据，将其导入Cytoscape, 同时将上述“2.2”获得的活性成分及靶点关系数据导入进行调控网络构建。
2.5 蛋白互作(PPI)网络图构建与核心靶点筛选
将共同靶点导入String数据库，获取PPI网络图。下载TSV文件，导入Cytoscape软件，使用Cytohubba插件筛选出核心靶点。Cytohubba可准确筛选出网络中的重要节点，其中最大集团中心度(MCC)算法已被证实是预测重要靶点较为精确的方法[8]。
2.6 基因富集分析
通过R软件中相关的Bioconductor安装包，设置P=0.05, Q=0.05, 进行靶点基因的基因本体(GO)富集分析，保存富集结果并选取生物过程、细胞组分、分子功能各自前10位绘图。采用同样方法进行京都基因与基因组百科全书(KEGG)分析，并绘制与本研究相关的信号通路图。
2.7 微小RNA(miRNA)、转录因子(TF)预测及调控网络构建
使用Mirtarbase[9]、Starbase[10]和Targetscan[11]数据库预测共同靶点的靶向miRNA。取3个数据库交集miRNA作为预测的靶向miRNA。与共同靶点相关TFs在Enrichr数据库以P≤0.05为条件预测。将三者调控关系导入Cytoscape软件绘制调控网络图。
3. 结果
3.1 CD靶点筛选结果
在GEO数据库中获取CD相关数据: GSE36807、GSE59071、GSE102133数据集，选取其中正常组以及CD组，对数据进行归一化处理、合并、批次矫正。差异分析共得到差异基因175个，其中上调基因135个、下调基因40个，数据信息见表 1。
表 1 数据集信息表数据集 平台 正常组∶CD组 差异基因 上调基因 下调基因 GSE36807 GPL570 7∶13 135 40 GSE59071 GPL6244 11∶8 GSE102133 GPL6244 12∶65 3.2 药物成分及靶点筛选结果
使用TCMSP数据库搜索药物的成分，筛选后得到有效成分: 薏苡仁9个，附子21个，败酱草13个，见表 2。
表 2 药物有效成分药物 Mol ID 口服利用度/% 类药性 药物 Mol ID 口服利用度/% 类药性 薏苡仁 MOL008121 34.23 0.29 附子 MOL002419 82.54 0.21 薏苡仁 MOL008118 32.40 0.43 附子 MOL002421 84.08 0.25 薏苡仁 MOL002882 34.13 0.30 附子 MOL002422 50.82 0.73 薏苡仁 MOL002372 33.55 0.42 附子 MOL002423 33.41 0.19 薏苡仁 MOL001494 42.00 0.19 附子 MOL002433 41.52 0.22 薏苡仁 MOL001323 43.28 0.78 附子 MOL002434 38.16 0.80 薏苡仁 MOL000953 37.87 0.68 附子 MOL000359 36.91 0.75 薏苡仁 MOL000359 36.91 0.75 附子 MOL000538 31.39 0.26 附子 MOL002211 39.99 0.20 败酱草 MOL001676 33.96 0.22 附子 MOL002388 57.76 0.28 败酱草 MOL001677 58.02 0.52 附子 MOL002392 46.69 0.37 败酱草 MOL001678 39.94 0.41 附子 MOL002393 34.52 0.18 败酱草 MOL001790 39.84 0.71 附子 MOL002394 34.52 0.18 败酱草 MOL001689 34.97 0.24 附子 MOL002395 56.30 0.31 败酱草 MOL002322 31.29 0.72 附子 MOL002397 51.73 0.73 败酱草 MOL001697 63.39 0.53 附子 MOL002398 69.56 0.34 败酱草 MOL000358 36.91 0.75 附子 MOL002401 43.10 0.85 败酱草 MOL000359 36.91 0.75 附子 MOL002406 39.43 0.38 败酱草 MOL000422 41.88 0.24 附子 MOL002410 34.06 0.53 败酱草 MOL000006 36.16 0.25 附子 MOL002415 51.87 0.66 败酱草 MOL000098 46.43 0.28 附子 MOL002416 30.96 0.24 败酱草、薏苡仁 MOL000449 43.83 0.76 3.3 活性成分与作用靶点网络图
将败酱散调控靶点与CD差异基因以及OS相关基因取交集，共有14个基因，得到图 1A及交集数据，将交集数据以及药物成分与靶点关系导入Cytoscape软件，绘制调控网络图 1B, 包含30个节点、39条边，其中潜在基因靶点14个，对应的有效成分16个。对应靶点较多的败酱草的活性成分槲皮素对应11个靶点，其次是山奈酚对应6个靶点; 对应活性成分较多的靶点是前列腺素内过氧化物合成酶2(PTGS2, 对应16个活性成分)，细胞间黏附分子-1(ICAM1)、一氧化氮合酶2(NOS2)和基质金属蛋白酶1(MMP1)分别对应3个活性成分，可能为败酱散调控OS缓解CD的重要靶点。
![]()
图 1 靶点交集及药物成分靶点调控图A: 红色代表CD差异基因，紫色代表药物靶点，黄色代表OS相关基因，交集基因14个; B: 外周圆代表药物成分，黄色为败酱草成分，红色为附子成分，绿色为薏苡仁成分，棕色为败酱草与薏苡仁共同成分，内部蓝色三角形代表作用靶点。3.4 PPI网络与核心靶点
将14个共同靶点基因导入String数据库，设置置信度≥0.4, 并剔除独立于网络以外的靶点可得到图 2A, 获取PPI相关信息，利用Cytoscape软件对PPI信息进行可视化，并使用Cytohubba插件筛选排名前5的核心基因，见图 2B、表 3。
表 3 MCC得分前5位基因列表排名 基因 MCC得分/分 1 IL-1β 726 126 1 PTGS2 726 126 3 CXCL8 726 120 3 ICAM1 726 120 5 KDR 725 880 IL-1β: 白细胞介素-1β;
PTGS2: 前列腺素内过氧化物合成酶2;
CXCL8: CXC趋化因子配体8; ICAM1: 细胞间黏附分子-1;
KDR: 血管内皮细胞生长因子受体。3.5 富集分析
使用R软件对作用靶点基因进行GO富集分析得到图 3。结果显著富集于调控脂多糖(response to lipopolysaccharide)、调控细菌起源的分子(response to molecule of bacterialorigin)、细胞外间质组织(extracellular matrix organization)、细胞外结构组织(extracellular structure organization)等生物过程; 薄膜筏(membrane raft)、膜微区(membrane microdomain)等细胞组成; 丝氨酸型内肽酶活性(serine type endopeptidase activity)等分子功能。
使用R软件进行KEGG富集分析，共富集到35条通路关系，排第1的晚期糖基化终产物及其受体(AGE-RAGE)信号通路图见图 4, 该信号通路内含有丝裂原活化蛋白激酶(MAKP)、磷脂酰肌醇3′-激酶(PI3K-AKT)等信号通路，且涉及OS反应，可能是败酱散调控OS缓解CD的重要通路。对应靶点数大于5的通路见表 4。
表 4 KEGG分析对应靶点数大于5的通路ID 条目 基因 基因数/个 hsa04933 糖尿病并发症中的晚期糖基化终产物及其受体 STAT1/ICAM1/SELE/MMP2/IL-1β/CXCL8/ERPINE1 7 hsa05417 脂质与动脉粥样硬化 MMP1/ICAM1/SELE/MMP3/IL-1β/CXCL8 6 hsa05323 类风湿性关节炎 MMP1/ICAM1/MMP3/IL-1β/CXCL8 5 hsa04657 白细胞介素-17信号通路 PTGS2/MMP1/MMP3/IL-1β/CXCL8 5 hsa04064 核因子κB信号通路 PTGS2/ICAM1/PLAU/IL1β/CXCL8 5 hsa04668 肿瘤坏死因子信号通路 PTGS2/ICAM1/SELE/MMP3/IL-1β 5 hsa05418 流体剪切应力与动脉粥样硬化 KDR/ICAM1/SELE/MMP2/IL-1β 5 hsa05171 新型冠状病毒肺炎 MMP1/STAT1/MMP3/IL-1β/CXCL8 5 STAT1: 转导与转录激活子; ICAM1: 细胞间黏附分子-1; SELE: E-选择素; MMP2: 基质金属蛋白酶2; IL-1β: 白细胞介素-1β;
CXCL8: CXC趋化因子配体8; MMP1: 基质金属蛋白酶1; MMP3: 基质金属蛋白酶3; PTGS2: 前列腺素内过氧化物合成酶2;
KDR: 血管内皮细胞生长因子受体。3.6 miRNA-TF-mRNA调控网络
Mirtarbase数据库中预测出486个miRNA, Starbase数据库预测出185个miRNA, Targetscan数据库预测出4 679个miRNA, 3个数据库预测共有76个miRNA。Enrichr数据库中筛选出转录因子(TF)共5个，分别是甲状腺素受体(THRA)、含葡萄球菌核酸酶域1(SND1)、转录因子Sp4(SP4)、母亲DPP同源物3(果蝇)SMAD(SMAD3)、v-rel网状内皮细胞过多症病毒癌基因同源物A, B细胞κ轻肽基因增强子核因子3, p65(鸟类, RELA), 这些miRNA、TF参与调控的通路可能与败酱散调控OS缓解CD有关。miRNA-TF-mRNA调控网络见图 5, 有93个节点, 343个边。红色圆形代表预测的TF, 蓝色三角形是共同靶点基因，绿色正方形是miRNA。
4. 讨论
目前, CD的病因、病机尚未明确，可能与遗传因素、机体免疫功能、神经-体液调节功能、生活习惯及环境因素、肠道微生物等[12]相关。研究[13]发现，溃疡的发生发展与OS密切相关, CD常伴有溃疡。OS在CD发病机制中的关键作用已得到广泛认可，但具体机制仍未阐明。
OS的发生与抗氧化能力和自由基即活性氧(ROS)、活性氮(RNS)及其他未配对电子的分子平衡有关，过量自由基会导致氧化负荷与抗氧化能力失衡[14]发生OS; 同时OS可导致中性粒细胞炎性浸润，蛋白酶分泌增加，产生大量ROS。ROS一方面能参与细胞稳态; 另一方面除了对细胞产生直接损害，还可与DNA、脂质、氨基酸、细胞发生反应导致衰老、疾病和细胞死亡[15]。研究表明, CD中OS的发生与自由基、各种参与OS的酶、环境因素有关。
败酱散活性成分中的槲皮素具有抗自由基、抗氧化、抗菌抗炎、免疫调节等功能，研究[16]表明其可增强抗氧化酶活性，减少自由基生成，从而抑制OS发生。槲皮素可作用于AKT-PKB-mTOR、Nrf2-ARE[17-18]等多种信号通路，参与OS发生。山奈酚是一种众所周知的抗氧化剂，能通过激活腺苷酸活化蛋白激酶/烟酰胺腺嘌呤二核苷酸磷酸氧化酶4(AMPK/NOX4)等信号通路，抑制细胞增殖、ROS产生、NOX4等表达[19]缓解OS。
蛋白互作网络筛选出的核心基因有IL-1β、PTGS2、CXCL8、ICAM1、KDR。研究[20]表明, IL-1β能激发OS, 致使多种细胞衰老, CD中IL-1β表达升高，下调其表达能促进结肠炎性损伤的恢复[21]。PTGS2也被称为环氧化酶-2(COX-2), 是CD活动期关键基因[22]。研究[23]发现，肿瘤坏死因子-α(TNF-α)通过调节p38丝裂原活化蛋白激酶(P38-MAPK)通路产生PTGS2和热休克蛋白27(Hsp27), 刺激结肠肌成纤维细胞迁移，致使CD发生。CXCL8在CD患者中高表达，且与疾病活动相关[24], 未受刺激的细胞中几乎难以检测到CXCL8, 其表达可受包括ROS在内的多种因素的刺激调控[25]。ICAM1属于黏附分子免疫球蛋白超家族，参与机体免疫功能、炎症反应等的调控，其表达量在CD发病中显著升高[26], OS可快速激活MAPK通路，刺激ICAM1转录[27]。KDR是血管上皮因子受体，与血管内皮生长因子(VEGF)结合后，可介导内皮细胞增殖，促进血管生成[28], 减轻炎症反应及OS反应。
富集分析中涉及AGE-RAGE、核因子κB(NF-κB)、肿瘤坏死因子(TNF)等信号通路。研究[29]发现AGE-RAGE信号通路激活在CD的局部炎症级联反应中起重要作用。激活该通路可以提高烟酰胺腺嘌呤二核苷酸磷酸(NADPH)氧化酶活性，促进ROS产生，使OS过度激活，经级联反应诱导细胞凋亡、变性坏死，加重微血管病变[30]。NF-κB通路对细胞自噬有抑制作用，研究[31]发现抑制NF-κB通路表达，能激活CD模型小鼠结肠自噬表达。同时NF-κB是氧化应激时细胞内的靶点，参与氧化还原调节, CD患者体内产生的大量自由基，除了直接损伤肠黏膜屏障外，还可激活NF-κB通路，导致肠道发生炎性反应[32]。在CD炎症过程早期, TNF-α即可被检测到[33]。抗TNF-α治疗是治疗CD的手段之一，该方案对重度和具有2种及以上不良预后危险因素的CD患者有较好疗效[34], 这与抗TNF-α疗法可减轻CD患者的氧化应激有关。在CD中有表达差异的miRNA可作为诊断生物标志物。本研究预测的76个miRNA中, miR-145-5p被证实通过抑制性别决定区域Y(SRY)相关的高迁移率族框9(SOX9)表达和恢复靠停蛋白8(CLDN8)表达来缓解三硝基苯磺酸9(NBS)诱导CD小鼠结肠炎症[35]。OS能通过NF-κB信号通路诱导miR-122的DNA甲基化，促进CD的进展[36]。
本研究结合OS相关差异基因，探讨OS缓解CD相关机制。本研究采用生物信息学分析发现败酱散调控OS可能与IL-1β、PTGS2、CXCL8、ICAM1、KDR等靶点有关，涉及通路主要为AGE-RAGE、NF-κB、TNF信号通路等，同时还预测了相关miRNA以及TF。但本研究以预测为主，其准确性还有待进一步进行体内外实验探讨。
-
表 1 2组患者一般资料比较(x±s)[n(%)]
组别 n 年龄/岁 性别 体质量指数/(kg/m2) 吸烟史 饮酒史 脑血管病家族史 高血压病史 糖尿病史 男 女 轻度组 65 49.6±12.9 34(52.3) 31(47.7) 24.6±2.5 36(55.4) 29(44.6) 27(41.5) 38(58.5) 32(49.2) 重度组 55 53.1±11.8 36(65.5) 19(34.5) 25.3±2.9 24(43.6) 32(58.2) 32(58.2) 37(67.3) 31(56.4) 
下载: 导出CSV
表 2 轻度组与重度组患者临床指标水平比较(x±s)
指标 轻度组(n=65) 重度组(n=55) 治疗前 治疗后 治疗前 治疗后 CitH3/(ng/mL) 3.8±1.0 2.8±0.6 4.5±1.1* 3.2±0.9* dsDNA/(ng/mL) 67.6±10.7 53.1±11.2 74.2±14.1* 61.9±13.6* NT-proBNP/(μg/L) 429.3±25.4 388.7±27.3 448.6±32.5* 405.6±31.2* PLT/(×106/mL) 22.6±4.7 23.1±4.2 21.2±4.1 21.9±3.5 PT/s 10.5±2.4 11.5±2.6 9.9±2.1 10.8±2.2 INR 0.6±0.3 0.8±0.4 0.5±0.3 0.7±0.2 NLR 3.4±0.5 2.9±0.5 3.7±0.9 3.1±0.6 PLR 136.2±27.5 119.8±18.7 144.7±30.8 126.1±22.2 MHR 0.5±0.2 0.4±0.1 0.6±0.2* 0.5±0.2* MESSS评分/分 18.9±3.5 16.5±3.9 21.1±4.3* 18.6±4.6* CitH3: 瓜氨酸组蛋白3; dsDNA: 双链DNA; NT-proBNP: N末端B型利钠肽原; PLT: 血小板; PT: 凝血酶原时间;
INR: 国际标准化比值; NLR: 中性粒细胞与淋巴细胞比值; PLR: 血小板与淋巴细胞比值; MHR: 单核细胞与高密度脂蛋白胆固醇比值;
MESSS: 改良爱丁堡-斯堪的纳维亚卒中量表。与轻度组比较, *P<0.05。
下载: 导出CSV
表 3 ACI患者临床指标与NIHSS评分的相关性分析
指标 NIHSS评分 r P 血浆CitH3 0.814 0.026 血浆dsDNA 0.775 0.031 血浆NT-proBNP 0.725 0.036 MHR 0.591 0.062 MESSS评分 0.602 0.060
下载: 导出CSV
表 4 不同预后ACI患者临床指标水平比较(x±s)
指标 良好预后组(n=98) 不良预后组(n=22) t P CitH3/(ng/mL) 3.8±0.8 4.6±1.1 3.753 < 0.001 dsDNA/(ng/mL) 66.9±7.1 70.5±6.4 2.186 0.031 NT-proBNP/(μg/L) 432.6±48.8 465.4±65.3 2.667 0.009 PLT/(×106/mL) 20.8±3.6 19.5±2.7 1.594 0.114 PT/s 9.4±2.3 10.2±2.9 1.403 0.163 INR 0.8±0.4 0.7±0.3 1.104 0.272 NLR 3.5±0.7 3.7±0.5 1.381 0.170 PLR 141.1±27.8 152.5±31.3 1.698 0.092 MHR 0.5±0.2 0.6±0.2 1.909 0.059 MESSS评分/分 19.5±6.8 22.1±7.3 1.599 0.112
下载: 导出CSV
表 5 ACI患者不良预后危险因素的Logistic回归分析
因素 β S. E. Wald OR P 95%CI 血浆CitH3 1.069 0.462 5.356 2.913 0.029 2.462~3.423 血浆dsDNA 1.060 0.498 4.532 2.887 0.036 2.295~3.512 血浆NT-proBNP 0.709 0.422 2.819 2.031 0.062 1.214~2.925 PLT 0.886 0.512 2.996 2.426 0.058 1.589~3.261 PT 0.765 0.567 1.820 2.129 0.084 1.256~2.957 INR 0.758 0.435 3.040 2.135 0.055 1.867~2.460 NLR 0.569 0.385 2.216 1.766 0.078 1.027~2.731 PLR 0.218 0.177 1.521 1.244 0.088 0.896~1.504 MHR 0.439 0.283 2.405 1.551 0.071 0.927~2.038 MESSS评分 0.704 0.408 2.974 2.031 0.059 1.725~2.386
下载: 导出CSV
-
[1] MUN K T, HINMAN J D. Inflammation and the link to vascular brain health: timing is brain[J]. Stroke, 2022, 53(2): 427-436. doi: 10.1161/STROKEAHA.121.032613
[2] KIM S W, DAVAANYAM D, SEOL S I, et al. Adenosine triphosphate accumulated following cerebral ischemia induces neutrophil extracellular trap formation[J]. Int J Mol Sci, 2020, 21(20): 7668. doi: 10.3390/ijms21207668
[3] BERNIS M E, ZWEYER M, MAES E, et al. Neutrophil extracellular traps release following hypoxic-ischemic brain injury in newborn rats treated with therapeutic hypothermia[J]. Int J Mol Sci, 2023, 24(4): 3598. doi: 10.3390/ijms24043598
[4] KIM E, CHO S. CNS and peripheral immunity in cerebral ischemia: partition and interaction[J]. Exp Neurol, 2021, 335: 113508. doi: 10.1016/j.expneurol.2020.113508
[5] WU X Y, ZENG H H, CAI L X, et al. Role of the extracellular traps in central nervous system[J]. Front Immunol, 2021, 12: 783882. doi: 10.3389/fimmu.2021.783882
[6] 中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组, 彭斌, 等. 中国急性缺血性脑卒中诊治指南2018[J]. 中华神经科杂志, 2018, 51(9): 666-682. doi: 10.3760/cma.j.issn.1006-7876.2018.09.004 [7] WANG C Y, LIN T T, HU L, et al. Neutrophil extracellular traps as a unique target in the treatment of chemotherapy-induced peripheral neuropathy[J]. EBioMedicine, 2023, 90: 104499. doi: 10.1016/j.ebiom.2023.104499
[8] XU X B, WU Y T, XU S X, et al. Clinical significance of neutrophil extracellular traps biomarkers in thrombosis[J]. Thromb J, 2022, 20(1): 63. doi: 10.1186/s12959-022-00421-y
[9] PIR G J, PARRAY A, AYADATHIL R, et al. Platelet-neutrophil association in NETs-rich areas in the retrieved AIS patient thrombi[J]. Int J Mol Sci, 2022, 23(22): 14477. doi: 10.3390/ijms232214477
[10] PUY L, CORSEAUX D, PERBET R, et al. Neutrophil extracellular traps (NETs) infiltrate haematoma and surrounding brain tissue after intracerebral haemorrhage: a post-mortem study[J]. Neuropathol Appl Neurobiol, 2021, 47(6): 867-877. doi: 10.1111/nan.12733
[11] WANG R R, ZHU Y B, LIU Z W, et al. Neutrophil extracellular traps promote tPA-induced brain hemorrhage via cGAS in mice with stroke[J]. Blood, 2021, 138(1): 91-103. doi: 10.1182/blood.2020008913
[12] WILDE M D, DESENDER L, TERSTEEG C, et al. Spatiotemporal profile of neutrophil extracellular trap formation in a mouse model of ischemic stroke[J]. Res Pract Thromb Haemost, 2023, 7(1): 100028. doi: 10.1016/j.rpth.2022.100028
[13] ZHOU J R, GUO P W, HAO X K, et al. Neutrophil extracellular traps (NETs): a new therapeutic target for neuroinflammation and microthrombosis after subarachnoid hemorrhage[J]. Transl Stroke Res, 2023, 14(4): 443-445. doi: 10.1007/s12975-022-01039-y
[14] ZHAO Z Y, PAN Z R, ZHANG S, et al. Neutrophil extracellular traps: a novel target for the treatment of stroke[J]. Pharmacol Ther, 2023, 241: 108328. doi: 10.1016/j.pharmthera.2022.108328
[15] ZHANG S Q, CAO Y Z, DU J W, et al. Neutrophil extracellular traps contribute to tissue plasminogen activator resistance in acute ischemic stroke[J]. FASEB J, 2021, 35(9): e21835. doi: 10.1096/fj.202100471RR
[16] LARCO J A, ABBASI M, MADHANI S I, et al. Correlation of neutrophil to lymphocyte ratio with expression of neutrophil extracellular traps within stroke emboli[J]. Interv Neuroradiol, 2022, 28(6): 726-730. doi: 10.1177/15910199211065530
[17] DENORME F, PORTIER I, RUSTAD J L, et al. Neutrophil extracellular traps regulate ischemic stroke brain injury[J]. J Clin Invest, 2022, 132(10): e154225. doi: 10.1172/JCI154225
[18] HAO X K, ZENG Z W, LIANG L, et al. The role of neutrophil extracellular traps in early microthrombosis and brain injury after subarachnoid hemorrhage in mice[J]. Transl Stroke Res, 2023, 14(5): 752-765. doi: 10.1007/s12975-022-01074-9
-
期刊类型引用(0)
其他类型引用(1)
计量
- 文章访问数: 99
- HTML全文浏览量: 34
- PDF下载量: 4
- 被引次数: 1
苏公网安备 32100302010246号
