抑制的Akt/GSK-3β/β-catenin信号通路促进肩袖撕裂后纤维脂肪祖细胞的过度脂肪生成

Suppressed Akt/GSK-3β/β-catenin signaling contributes to excessive adipogenesis of fibro-adipogenic progenitors after rotator cuff tears.

作者信息Xingzuan Lin, Peng Wang, Wei Wang, Hao Zhou, Siyuan Zhu, Shujing Feng, Yuzhou Chen, Han Zhou, Qichao Wang, Hanlong Xin, Xiexiang Shao, Jianhua Wang
PMID37626040
发布时间2023-08-25
DOI10.1038/s41420-023-01618-4

实验完整度

包含细胞模型、动物模型和体内功能验证,并进行了机制验证(siRNA、通路激活/抑制)。

主要模型

小鼠肩袖撕裂模型(RCT) 小鼠跟腱撕裂模型(ATT) 原代FAPs(RCT-FAPs、ATT-FAPs)

重点核对

RCT和ATT模型的建立:距跟骨约3mm处完全横断跟腱,以及靠近止点处完全横断冈上肌和冈下肌腱 FAPs的分选:CD45-CD31-PDGFRα+细胞,使用BD Influx分选仪 成脂诱导:AIM培养基(含20% FBS、1μg/mL胰岛素、0.25μM地塞米松、0.5mM IBMX),培养7天 药物处理:10μM SC-79(Akt激动剂)、1μM BML-284(β-catenin激动剂)、1μM KYA1797K(β-catenin抑制剂) 动物分组:BML-284组每3.5天接受50μl 1mM BML-284注射,持续6周;对照组注射DMSO

摘要

肌肉脂肪浸润是肩袖撕裂(RCT)后常见且棘手的病理现象,主要来源于纤维脂肪祖细胞(FAPs)。与RCT相比,跟腱撕裂(ATT)后的脂肪浸润不那么严重。关于为什么RCT后更易发生脂肪浸润的知识有限。在本研究中,我们验证了肌腱损伤后冈上肌比腓肠肌更严重的脂肪浸润。此外,我们揭示了RCT-FAPs在体外具有更高的成脂分化能力。激活Akt显著刺激GSK-3β/β-catenin信号通路,从而降低PPARγ表达和RCT-FAPs的脂肪生成,而这种抑制作用被β-catenin抑制剂减弱。此外,Wnt信号激活剂BML-284限制了RCT-FAPs的脂肪生成,减轻了肌肉脂肪浸润,并改善了RCT模型的步态分析和跑步机测试参数。总之,我们的研究表明,抑制的Akt/GSK-3β/β-catenin信号通路增加PPARγ表达,从而促进RCT-FAPs的过度脂肪生成。调节Akt/GSK-3β/β-catenin信号通路可改善肩袖肌肉的过度脂肪浸润,并改善RCT后的肩关节功能。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
为什么肩袖撕裂后比跟腱撕裂后更易发生肌肉脂肪浸润?
核心机制
RCT-FAPs中Akt/GSK-3β/β-catenin信号通路受抑,导致PPARγ表达上调,从而促进FAPs过度脂肪生成。
主要证据
体内外实验显示RCT-FAPs较ATT-FAPs具有更高的成脂分化能力;激活Akt或β-catenin可抑制脂肪生成并减轻小鼠RCT模型的脂肪浸润。
研究意义
调节Akt/GSK-3β/β-catenin信号通路可能成为减轻肩袖撕裂后肌肉脂肪浸润、改善肩关节功能的治疗策略。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

建立肌腱损伤模型并评估脂肪浸润

比较肩袖撕裂与跟腱撕裂后不同肌肉的脂肪浸润程度

建立小鼠RCT和ATT模型,术后6周通过油红染色、perilipin1免疫荧光染色和甘油三酯定量评估脂肪浸润,并检测成脂相关基因表达。

2

分离FAPs并比较增殖能力

探究RCT-FAPs与ATT-FAPs增殖能力是否存在差异

术后1周通过流式分选分离FAPs(CD45-CD31-PDGFRα+),并进行EDU染色和增殖基因表达检测。

3

比较成脂分化能力

验证RCT-FAPs是否具有更高的成脂分化潜能

对RCT-FAPs和ATT-FAPs进行成脂诱导7天,通过油红染色、perilipin1免疫荧光和成脂基因表达分析评估分化能力。

4

转录组分析

比较RCT-FAPs与ATT-FAPs的基因表达谱,筛选关键信号通路

对新鲜分离的RCT-FAPs和ATT-FAPs进行RNA-seq,并通过GO、KEGG富集分析筛选差异通路。

5

验证Akt/GSK-3β/β-catenin通路的作用

确认Akt/GSK-3β/β-catenin通路调控RCT-FAPs的脂肪生成

用Akt激动剂SC-79和β-catenin抑制剂KYA1797K处理RCT-FAPs,检测成脂分化及通路蛋白变化;并用β-catenin siRNA敲低验证。

6

评估β-catenin激活剂的体内效果

验证激活β-catenin能否减轻脂肪浸润并改善肩关节功能

在RCT模型中给予BML-284(β-catenin激动剂)或DMSO,进行组织学分析、甘油三酯定量、步态分析和跑步机测试。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
II型胶原酶Worthington biochemicalLS004177
分散酶Life Technologies17105041
APC标记的抗CD31抗体Biolegend102510
APC标记的抗CD45抗体Biolegend103112
PE标记的抗PDGFRα抗体Thermo Fisher Scientific12-1401-81
基质胶Biocoat354277
DMEM培养基Gibco12100-046
胎牛血清Gibco10-013-CV
碱性成纤维细胞生长因子R&D systems233-FB-025
青霉素-链霉素Gibco15140-122
SC-79BeyotimeSF2730
BML-284MedchemexpressHY-19987
KYA1797KMedchemexpressHY-101090
胰岛素Sigma-AldrichI2643
地塞米松Sigma-AldrichD4902
3-异丁基-1-甲基黄嘌呤Sigma-AldrichI5879
抗PDGFRα抗体Abcamab203491
抗Laminin抗体Abcamab44941
抗perilipin A/B抗体MilliporeP1873
抗GAPDH抗体CST2118L
抗Akt抗体CST4865
抗磷酸化Akt抗体CST4060
抗GSK-3β抗体Santa Cruzsc-53931
抗磷酸化GSK-3β抗体CST93336
抗β-catenin抗体CST8480
抗PPARγ抗体CST2435
HRP标记的二抗Ray antibody biotechRM3004
Lipofectamine 2000转染试剂Invitrogen11668019
Opti-MEM I减血清培养基Thermo Fisher31985062
EZ-press RNA纯化试剂盒EZ BioscienceB0004DP
M-MuLV逆转录酶NEBM0253L
FastStart Universal SYBR Green MasterRoche4913914001
NEBNext Ultra RNA文库制备试剂盒(Illumina)NEBE7530L
Illumina NovaSeq 6000测序仪Illumina--
油红SolarbioG1260
甘油三酯比色法测定试剂盒ElabscienceE-BC-K261-M
异丙醇ACMECI86620
Noldus Catwalk步态分析系统Noldus--
跑步机设备ZII-PT/5S--
BX53荧光显微镜Olympus--
IX73荧光显微镜Olympus--
BD Influx分选仪BD Biosciences--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
动物模型建立
小鼠品系:C57BL/6;年龄:12周龄;RCT模型:完全横断冈上肌和冈下肌腱;ATT模型:完全横断跟腱(距跟骨约3mm);术后观察时间点:6周(脂肪浸润评估)和1周(FAPs分离)
阅读提示:Methods: Animal, Muscle harvest and fluorescence-activated cell sorting
FAPs分离
分选标记:CD45-CD31-PDGFRα+;消化条件:胶原酶II(700-800 U/ml)45分钟,再与分散酶(11 U/ml)混合消化30分钟;分选设备:BD Influx sorter
阅读提示:Methods: Muscle harvest and fluorescence-activated cell sorting
成脂分化
AIM培养基成分:20% FBS、1μg/mL胰岛素、0.25μM地塞米松、0.5mM IBMX、1%青霉素-链霉素;诱导时间:7天;细胞培养板包被:Matrigel
阅读提示:Methods: Cell culture, treatment, and adipogenic differentiation
药物处理
SC-79浓度:10μM;BML-284浓度:1μM;KYA1797K浓度:1μM;体内BML-284给药:50μl 1mM,每3.5天肌肉注射,持续6周
阅读提示:Methods: Cell culture, treatment, and adipogenic differentiation; Results: 图6e
RNA-seq分析
文库构建:NEBNext Ultra RNA Library Prep Kit;测序平台:Illumina NovaSeq 6000,读长2×150bp;差异表达基因筛选:P-adjust≤0.001;富集分析软件:Goatools和KOBAS
阅读提示:Methods: Bulk RNA-seq and analysis
统计分析
两组间比较采用Student t检验;样本量计算:n=2(Zα/2+Zβ)2σ2/(μc-μt)2;α=0.05,power=0.80;P<0.05为统计学显著
阅读提示:Methods: Statistical analysis