- 移动端
瑞博奥（广州）生物科技股份有限公司
16 年
手机商铺
- NaN
- 0
- 0
- 2
- 2
推荐产品
技术资料/正文
RayBio糖尿病文献集锦
73 人阅读发布时间：2025-03-17 15:48
在全球几乎每一个国家，糖尿病发病率都在上升。糖尿病是导致失明、肾衰竭、截肢、心脏病和中风的主要原因。
对糖尿病及其并发症机制的研究，可以加强对糖尿病的治疗及预防。
RayBio的抗体芯片、ELISA试剂盒已经被用于各种糖尿病研究中，助力糖尿病及其防治机制的快速探索。
应用案例1
杂志名称：Sci Immunol.
影响因子：24.8
文章题目：PDIA3 epitope-driven immune autoreactivity contributes to hepatic damage in type 2 diabetes.
第一作者：Cristina C. Clement
通讯作者： Laura Santambrogio
作者单位： Department of Radiation Oncology, Weill Cornell Medicine, New York
本实验所用产品：QAM-TH17-1（检测小鼠Th1/Th2/Th17相关的18个因子芯片）&PKM proteins
实验样品类型： 肝脏细胞
研究背景：
高脂肪和高果糖（HFHF）饮食可驱动的脂肪毒性和糖毒性诱导肝损伤，从而促进树突状细胞活化，并产生主要的组织相容性复合体II类(MHC-II)免疫肽丘，富含来自细胞代谢、氧化磷酸化和应激反应的蛋白质的肽。
研究结果：
研究表明，证明了HFHF饮食驱动的脂肪毒性和糖毒性可引起代谢损伤可引起肝损伤，并促进由T和B细胞PDIA3表位驱动的致病性免疫自身反应性，参与免疫原性细胞死亡。
研究思路：
使用QAM-TH17-1分析对照和HFHF饮食小鼠的总肝细胞裂解液中是否含有炎症细胞因子。与对照组相比，HFHF喂养小鼠的pdia3反应细胞分泌的GZMB和多种炎症细胞因子(包括IL-17、IL-23、TNF和IFN-y)的量增加，表明HFHF喂养小鼠的肝脏中存在pdia3特异性T细胞，即使在没有免疫的情况下，对其同源PDIA3肽的增殖也会向功能性TH1和TH17型分化，并释放促炎细胞因子和细胞毒性分子。
杂志名称：EMBO Molecular Medicine
影响因子：14.260
文章题目：Tumor‐associated macrophages‐educated reparative macrophages promote diabetic wound healing
第一作者：母若雨
通讯作者：董磊，王春明
作者单位：澳门大学，中药质量研究国家重点实验室
本实验所用产品：AAM-BLM-1（可同时半定量检测小鼠308个因子，包含细胞因子、趋化因子、脂肪因子、生长因子、蛋白酶、可溶性受体、可溶性粘附分子等）
实验样品类型： 细胞上清
研究结果：
本项研究向我们展示了新型巨噬细胞TAMEMs用于糖尿病伤口愈合的制备，通过细胞及体内实验验证了TAMEMs在小鼠糖尿病伤口中发挥的关键修复活性，包括调节炎症，刺激血管生成和促进增殖。其中利用RayBio 能同时半定量检测308种细胞因子的膜芯片（AAM-BLM-1）一次性地对TAMs – CM中的因子含量进行了检测，快速地锁定了重组蛋白培养基中关键蛋白的含量。
研究思路：
本项研究向我们展示了新型巨噬细胞TAMEMs用于糖尿病伤口愈合的制备，通过细胞及体内实验验证了TAMEMs在小鼠糖尿病伤口中发挥的关键修复活性，包括调节炎症，刺激血管生成和促进增殖。其中利用RayBio 能同时半定量检测308种细胞因子的膜芯片（AAM-BLM-1）一次性地对TAMs – CM中的因子含量进行了检测，快速地锁定了重组蛋白培养基中关键蛋白的含量。
杂志名称：Aging
影响因子：5.955
文章题目：Plasma cytokines for predicting diabetic retinopathy among type 2 diabetic patients via machine learning algorithms
第一作者：Bin Cao
通讯作者：Dong Zhao
作者单位：首都医科大学
本实验所用产品：GSH-ANG-2&GSH-ANG-3（同时半定量测60种人血管生成相关细胞因子）
实验样品类型： 血液
研究结果：
研究利用RayBio抗体芯片（GSH-ANG-2&GSH-ANG-3）检测出NPDR患者中血浆中ANG-1，PDGF-BB，TIMP-2和VEGFR2的血浆细胞因子增加，并且从血浆细胞因子中基于机器学习算法找到NPDR分类器，即从DM患者中进行对NPDR的预测。血浆细胞因子可能是NPDR的强风险标志物。
研究思路
①选取14例DM病人和14例NPDR病人，通过他们的血液样本进行蛋白芯片（GSH-ANG-2&GSH-ANG-3，共60个蛋白）实验，找到两组间表达的差异蛋白。
通过芯片实验结果每种蛋白的表达量绘制热图、火山图和PCA图等，加以限制条件（FC>4或者FC<0.25）进行筛选差异显著且差异倍数大的蛋白。
②选出的六个差异蛋白PDGF-BB, TIMP-1, TIMP-2, ANG-1, CXCL16和VEGFR2用验证集的大量样本（DM：115；NPDR:115）通过ELISA进行验证。
③用两种算法随机森林和lasso回归找到更为关键的三种蛋白（PDGF-BB、VEGFR2、ANG-1）进行后续的建模。
④通过多种模型（神经网络，逻辑回归，支持向量机，XGBOOST和随机森林）构建然后评估每个模型的准确率。最终找到表现最好的随机森林模型，预测的准确率达到85%。
