SARS-CoV-2-fehérjék kimutatása immunhisztokémiai módszerrel emberi szövetekben.

Orvosi Hetilap(2022)

引用 0|浏览0
暂无评分
摘要
Bevezetés: A SARS-CoV-2 (súlyos akut légzőszervi szindrómát előidéző koronavírus) okozta COVID–19 világszerte sajnálatosan nagy halálozással jár. A fertőzés kimutatása elsősorban polimeráz-láncreakcióval (PCR) történik élőben vagy a halál után, amely azonban nem ad információt arról, hogy a vírus mely sejtekben, szövetekben van jelen. A SARS-CoV-2 tüske- és nukleokapszid-proteinjeinek, valamint a vírus-ribonukleinsavnak (RNS) az in situ kimutatása igazolhatja a vírus jelenlétét, valamint adatot szolgáltathat annak direkt vagy indirekt sejtpusztulást okozó mechanizmusáról. Jelenleg számos SARS-CoV-2-tüske- és -nukleokapszid fehérjeellenes antitest van kereskedelmi forgalomban, melyek eltérő eredménnyel képesek a megfelelő antigének kimutatására. Célkitűzés: A jelen munka célja a megfelelő, megbízhatóan működő antitest kiválasztása volt. Módszer: COVID–19-ben elhunyt 3 egyén formalinfixált, paraffinba ágyazott, SARS-CoV-2-PCR-pozitív tüdejének anyagai, valamint fertőzött placenta anonim módon jelölt mintái kerültek vizsgálatra, megfelelő negatív kontrollal. Az immunhisztokémiai reakciók intenzitását és specificitását hasonlították össze négy hazai orvostudományi egyetemi patológiai intézet részvételével, különböző antitesteket és hígításokat alkalmazva. Az elvégzett immunhisztokémiai reakciók szkennelt, kódolt metszeteken kerültek értékelésre, majd az eredmények összesítése után statisztikai elemzésre. Eredmények: A vizsgálatok alapján meghatározhatók voltak azon antitestek, amelyek a jelölt hígításban és módszerrel megfelelő intenzitású, megbízható eredményt adtak. Következtetés: A vizsgálat alapot ad arra, hogy a SARS-CoV-2 egyes komponensei biopsziás/sebészi anyagban és az elhunytak szöveteiben nagy pontossággal és reprodukálható módon kimutathatók legyenek a COVID–19-ben megbetegedett, elhunyt egyének élőben vagy halál után eltávolított szöveteiben, sejtjeiben. Orv Hetil. 2022; 163(25): 975–983.
更多
查看译文
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要