الذاكرة المناعية الفطرية بعد إصابة الدماغ تؤدي إلى خلل التوتر القلبي الالتهابي

ملخص رسومي

أهم النقاط

• نقص التروية الدماغية الحاد يؤدي إلى ذاكرة مناعية فطرية مستمرة
• الذاكرة المناعية الفطرية تسبب خللًا قلبيًا مزمنًا بعد السكتة الدماغية
• IL-1 يحفز المناعة المدربة بعد السكتة الدماغية من خلال التعديلات الجينية
• حجب IL-13 أو تجنيد وحيدات النوى يمنع ضعف القلب

المؤلفون

المراسلات

باختصار

الذاكرة المناعية الفطرية بعد إصابة الدماغ تؤدي إلى خلل التوتر القلبي الالتهابي

مقدمة

النتائج

السكتة الدماغية تسبب تغييرات التهابية طويلة الأمد في المونوسيتات/البلاعم الجهازية

الشكل 1. السكتة الدماغية تسبب تغييرات التهابية طويلة الأمد في المونوسيتات/البلاعم الجهازية
(أ) تم فرز الخلايا النخاعية من الدم والأعضاء الطرفية بعد شهر من السكتة الدماغية الإقفارية التجريبية مجموعة) لتسلسل mRNA على مستوى الخلية الواحدة.
(ب) رسم UMAP لـ الخلايا، ملونة حسب المجموعات المحددة.
(C) عدد الجينات المعبر عنها بشكل مختلف (DEGs) بين الظروف لكل مجموعة محددة (adj.p < 0.05). Ly6C تظهر الخلايا الوحيدة أعلى عدد من الجينات المعبر عنها بشكل مختلف (857 جينًا).
مستويات التعبير للجينات المختارة في Ly6C تم تسليط الضوء على الوحيدات في (C) وتم اختيارها من مصطلحات علم الأحياء الجيني (GO) في مجموعة الجينات المعبر عنها بشكل مختلف (DEGs) بين الظروف (adj. حجم النقطة يتناسب مع نسبة الخلايا ضمن كل حالة، واللون يشير إلى التعبير المتوسط.
(E) المسافات الإقليدية في فضاء تحليل المكونات الرئيسية بين السكتة الدماغية والتحكم لكل عضو. تم حساب تحليل المكونات الرئيسية من إجمالي 18,834 جينًا تم تحديدها في جميع CD45 CD11b الخلايا.
( و ) ( رسم UMAP لـ خلايا من القلب، ملونة حسب الفئات المحددة، و(ج) رسم بياني عمودي مكدس لنسبة الفئة المحددة لكل حالة (اختبار كاي-تربيع).
(H) ترتيب زمني زائف لـ CD45 باستخدام Monocle3 CD11b الخلايا من القلب مكدسة على مخطط UMAP ومقسمة حسب الحالة. يتم تلوين الخلايا بناءً على تقدمها على طول الفضاء الزمني الزائف.
انظر أيضًا الشكل S1.

الشكل 2. السكتة الدماغية تؤدي إلى خلل وظيفي انبساطي قلبي مزمن وإعادة تشكيل قلبي التهابي
صور الموجات فوق الصوتية التمثيلية (وضع M) التي تم إجراؤها في النقاط الزمنية المحددة ( [جلطة] [التحكم] وقياس حجم البطين الأيسر (LV) في الانقباض (مربعات) والانبساط (دوائر). LVAW، الجدار الأمامي للبطين الأيسر؛ LVPW، الجدار الخلفي للبطين الأيسر.
(ب) صور تمثيلية (صبغة سيريوس الأحمر/الأخضر السريع) وقياس تليف القلب في جدار البطين الأيسر الحر اختبار، لكل مجموعة، 4 أقسام مستقلة لكل فأر.
(ج) صورة تمثيلية لعلم كهرباء القلب بعد شهر واحد من السكتة الدماغية أو التحكم مجموعة) وقياس قابلية التحريض لسرعة القلب الأذيني (AT).
“(د) صورة تمثيلية وقياس لمحتوى الكولاجين I، معبرًا عنه كنسبة مئوية من المساحة الإجمالية لجدار البطين الأيسر (مقاييس) ; اختبار t، لكل مجموعة).
(E) صور توليد التوافقيات الثاني (SHG) التمثيلية للكشف عن تنظيم الكولاجين الليفي وقياس نسبة الأبعاد (أشرطة القياس، ; اختبار t المتداخل، فئران لكل مجموعة، 35-50 صورة لكل قلب فأر.
النشاط الإنزيمي لمركب MMP9 باستخدام زيموغرافيا الهلام لعينات القلب بعد شهر من السكتة الدماغية أو التحكم اختبار، لكل مجموعة).
(G) صور تمثيلية لتقنية التهجين الموضعي بالفلوريسنس لجزيء واحد (smFISH) وقياس عدد نقاط mRNA لـ Mmp9 لكل Cx3cr1 خلية (أشرطة القياس، ; اختبار t، لكل مجموعة).
(H) قياس تدفق السيتومتر لـ Ly6C وحيدات النواة (CD45 ) و CCR2 وحيدات النواة/البلاعم (CD45 CD11b F4 CCR2 ) في القلب بعد شهر من السكتة الدماغية أو التحكم (اختبار t؛ لكل مجموعة).
تعبير mRNA لـ Mmp9 (RT-qPCR) في CCR2 المصفاة من الدم المونوسيتات بالنسبة للتعبير عن Ppia ومقارنة بالتحكم اختبار، لكل مجموعة).
انظر أيضًا الشكل S2.

السكتة الدماغية تعزز تجنيد المونوسيتات المزمنة إلى القلب

تتغير الخلوية والوظيفة في نخاع العظام بشكل مزمن بعد السكتة الدماغية

الشكل 3. السكتة الدماغية تزيد من تليف القلب وتراكم وحيدات النواة في المرضى
(أ) صور تمثيلية للمريض الذي يعاني من خلل انبساطي مزمن تم تجنيده من قبل مجموعة دراسة فشل القلب الناتج عن السكتة الدماغية (SICFAIL). التقدير المقابل لـ من 3 مرضى تم تحديدهم يعانون من خلل انبساطي مزمن.
(ب) تم جمع عينات تشريح القلب من إجمالي 19 مريضًا: 12 مريضًا بسكتة دماغية إقفارية و7 ضوابط، توفوا دون اضطراب قلبي أو دماغي (تم تأكيده بواسطة التشريح). يتم توضيح الخصائص الديموغرافية والسريرية الأساسية. يتم التعبير عن البيانات كوسيط (نطاق الربيع بين الربعين [IQR])، ما لم يُذكر خلاف ذلك. *p < 0.05 (اختبار كاي-تربيع).
(ج) صور تمثيلية (صبغة ماسون ثلاثية الألوان، قضبان القياس، 0.1 مم) وقياس محتوى الكولاجين ( اختبار).
(د) صور تمثيلية (صبغة سيريوس الحمراء/اللون الأخضر السريع، قضبان القياس، 0.2 مم) وقياس محتوى الكولاجين المعبر عنه كنسبة مئوية من المساحة القلبية الكلية (اختبار t).
(هـ) قياس CD14 الخلايا ( اختبار).
صورة تمثيلية (أشرطة القياس، 0.05 مم) والتquantification (اختبار t) لـ الخلايا.
(G) ارتباط CCR2 عدد الخلايا مع تليف القلب (صبغة ماسون ثلاثية الألوان، اختبار ارتباط بيرسون).
(H) صور تمثيلية وقياس لتقنية التهجين الفلوري في الموقع لجزيء واحد (smFISH) للكشف عن تعبير نقاط mRNA لـ Mmp9 في CD14 خلايا قلبية من مرضى السكتة الدماغية ومرضى التحكم (أشرطة القياس، ; اختبار t، لكل مجموعة).
مخطط البركان (I) يظهر الجينات المنظمة في عضلة القلب بين مرضى احتشاء العضلة القلبية ومرضى التحكم. الجينات الملونة هي .
(ج) خريطة حرارية تظهر أهم الجينات المعبر عنها بشكل مختلف في القلب بين مرضى السكتة الدماغية والمرضى الضابطين.

المرحلة المزمنة بعد السكتة الدماغية. قمنا بتحليل الآثار طويلة الأمد للسكتة الدماغية على نقي العظام من خلال تسلسل الخلايا المفردة. حددنا 21 مجموعة خلوية والمسارات التفريقية المعنية من خلايا الجذع والسابقة الدموية (HSPCs) إلى جميع المجموعات النخاعية الناضجة الأخرى (الأشكال 5A و5B وS4A) و
غطت بصمة نسخية مميزة في Ly6C المونوسيتات بشكل مزمن بعد السكتة الدماغية (الشكل 5C). بالإضافة إلى ذلك، لاحظنا عددًا كبيرًا من الجينات المعبر عنها بشكل مختلف (DEGs) في خلايا السلف الجذعية، مما يشير إلى أن مجموعات السلف أيضًا أظهرت تغييرات نسخية مستمرة خلال المرحلة المزمنة.

مرحلة ما بعد السكتة الدماغية، والتي كانت مرتبطة بمسارات التهابية (الأشكال S4B و S4C). علاوة على ذلك، كانت بصمة النسخ الجيني بعد السكتة الدماغية في العدلات الناضجة من نخاع العظام محفوظة بشكل كبير في العدلات الدائرة والعدلات المتمايزة التي تم استقطابها إلى الأعضاء الطرفية (الشكل S4D). كانت بروتينات الأبوليبوبروتين E (ApoE) والليباز البروتيني (Lpl) مرتفعة بشكل مستمر على مستوى النسخ بعد السكتة الدماغية، وهو ما تم تأكيده أيضًا على مستوى البروتين (الشكل S4E). استمرت التغيرات النسخية الناتجة عن السكتة الدماغية في خلايا الدم الجذعية المكونة للدم والعدلات الناضجة حتى 3 أشهر بعد السكتة الدماغية، مما يشير إلى تأثير مستمر وربما متزايد للسكتة الدماغية على مشهد النسخ الجيني في نخاع العظام (الشكل S4F).

السكتة الدماغية تحفز ذاكرة مناعية فطرية مستمرة

لم تتغير فقط بشكل مستقر بعد السكتة الدماغية، ولكن هذه التغيرات في حجرة النخاع الشوكي كافية لتحفيز التليف القلبي الثانوي.

الذاكرة المناعية الفطرية تتوسطها IL-1 المبكر بعد السكتة الدماغية إفراز

غيرت الضربة المشهد الإبيجينيتيكي للناضجين الخلايا الوحيدة عن طريق تغيير إمكانية الوصول إلى الأنماط المرتبطة بعوامل النسخ المعنية في الاستجابة للإجهاد والمناعة، مثل CTCF وNRF1 (المعروف أيضًا باسم NFE2) وFOS:JUND(AP1). من المهم، IL-1 أدى التحييد إلى منع معظم التغيرات الناتجة عن السكتة الدماغية في إمكانية الوصول إلى الكروماتين في كل من HSPC وLy6C الناضجة. الخلايا الوحيدة (الشكل 6E). لاستكشاف عوامل النسخ المنظمة للسكتة الدماغية، حددنا الجينات ذات التعبير المختلف بين ظروف السيطرة والسكتة الدماغية المرتبطة بهذه العوامل. كانت هذه الجينات متورطة في الالتهاب وإشارات السيتوكين، بما في ذلك الإشارات (الأشكال S6G و S6H).

IL-1 الذاكرة المناعية الفطرية المدفوعة تؤدي إلى خلل في الأعضاء البعيدة بعد السكتة الدماغية

حجب نقل الخلايا الوحيدة من النخاع إلى القلب يمنع ضعف القلب بعد السكتة الدماغية

إعادة تشكيل ECM القلبي بواسطة CVC حسنت أيضًا بشكل كبير وظيفة القلب الانبساطية في المرحلة المزمنة بعد السكتة الدماغية إلى مستويات قابلة للمقارنة مع الفئران الضابطة التي لم تتعرض لسكتة دماغية (الشكل 7N). باختصار، تظهر هذه النتائج الإمكانات العلاجية لحجب هجرة الخلايا الوحيدة المبرمجة المؤيدة للالتهاب من نخاع العظام إلى القلب كاستراتيجية لمنع الأمراض القلبية الثانوية بعد السكتة الدماغية.

نقاش

قيود الدراسة

طرق النجوم

• جدول الموارد الرئيسية
• توافر الموارد
• جهة الاتصال الرئيسية
• توفر المواد
• توفر البيانات والشيفرة
• تفاصيل النموذج التجريبي و المشاركين في الدراسة
• السكان المرضى السريريين
• تجارب الحيوانات
• تفاصيل الطريقة
• نموذج انسداد الشريان الدماغي القريب العابر
• نموذج انسداد الشريان الدماغي البعيد الدائم
• إدارات الأدوية
• تاموكسيفين
• تخطيط صدى القلب
• تخطيط القلب عن بُعد
• دراسات كهربائية القلب
• قياسات ضغط الدم غير الغازية
• زراعة نخاع العظم
• جمع الأعضاء والأنسجة
• عزل الخلايا
• فرز الخلايا
• تدفق الخلايا
• تسلسل RNA على مستوى الخلية الواحدة
• تحليل بيانات تسلسل RNA أحادي الخلية
• تسلسل ATAC للأنوية المفردة
• تحليل بيانات ATAC-seq أحادي النواة
• تسلسل ATAC بالجملة
• تسلسل CUT&tag
• تصوير الميكروسكوب لتوليد التوافقي الثاني
• شرائح نسيجية لقلب الفأر
• شرائح نسيجية لقلب الإنسان
• صبغة بيكروسيريوس الحمراء
• صبغة الهيماتوكسيلين والإيوزين
• تلطيخ المناعة الفلورية
• صبغة المناعية النسيجية
• تضخيم الفلورسنت في الموقع للحمض النووي الريبي
• الزيموجرافيا الجيلاتينية لـ MMP9
• قياس اليوريا في الدم
• اختبار الامتصاص المناعي المرتبط بالإنزيم
  qPCR
  عزل الخلايا الطحالية والحضانة مع CVC
  عزل خلايا BMDM والوحيدات الأولية
  اختبار بلع الخلايا البلعمية المستمدة من نخاع العظم والوحيدات الأولية
  تحفيز BMDM بواسطة IL-1
  تحليل الترحيل الغربي
  تسلسل الحمض النووي الريبي المرسال بكميات كبيرة من عينات قلب الإنسان
  تحليل بيانات تسلسل mRNA بالجملة
• التكميم والتحليل الإحصائي

معلومات إضافية

شكر وتقدير

مساهمات المؤلفين

إعلان المصالح

REFERENCES

1. Simats, A., and Liesz, A. (2022). Systemic inflammation after stroke: implications for post-stroke comorbidities. EMBO Mol. Med. 14, e16269. https://doi.org/10.15252/emmm.202216269.
2. Roth, S., Cao, J., Singh, V., Tiedt, S., Hundeshagen, G., Li, T., Boehme, J.D., Chauhan, D., Zhu, J., Ricci, A., et al. (2021). Post-injury immunosuppression and secondary infections are caused by an AIM2 inflammasomedriven signaling cascade. Immunity 54, 648-659.e8. https://doi.org/10. 1016/j.immuni.2021.02.004.
3. Iadecola, C., Buckwalter, M.S., and Anrather, J. (2020). Immune responses to stroke: mechanisms, modulation, and therapeutic potential. J. Clin. Invest. 130, 2777-2788. https://doi.org/10.1172/JCl135530.
4. Liesz, A., Rüger, H., Purrucker, J., Zorn, M., Dalpke, A., Möhlenbruch, M., Englert, S., Nawroth, P.P., and Veltkamp, R. (2013). Stress mediators and immune dysfunction in patients with acute cerebrovascular diseases. PLoS One 8, e74839. https://doi.org/10.1371/journal.pone.0074839.
5. Stanne, T.M., Angerfors, A., Andersson, B., Brännmark, C., Holmegaard, L., and Jern, C. (2022). Longitudinal study reveals long-term proinflammatory proteomic signature after ischemic stroke across subtypes. Stroke 53, 2847-2858. https://doi.org/10.1161/STROKEAHA.121.038349.
6. Roth, S., Singh, V., Tiedt, S., Schindler, L., Huber, G., Geerlof, A., Antoine, D.J., Anfray, A., Orset, C., Gauberti, M., et al. (2018). Brain-released alarmins and stress response synergize in accelerating atherosclerosis progression after stroke. Sci. Transl. Med. 10, 1-12. https://doi.org/10. 1126/scitransImed.aao1313.
7. Holmegaard, L., Stanne, T.M., Andreasson, U., Zetterberg, H., Blennow, K., Blomstrand, C., Jood, K., and Jern, C. (2021). Proinflammatory protein signatures in cryptogenic and large artery atherosclerosis stroke. Acta Neurol. Scand. 143, 303-312. https://doi.org/10.1111/ane.13366.
8. Tatemichi, T.K., Paik, M., Bagiella, E., Desmond, D.W., Pirro, M., and Hanzawa, L.K. (1994). Dementia after stroke is a predictor of long-term survival. Stroke 25, 1915-1919. https://doi.org/10.1161/01.STR.25.10.1915.
9. Braga, G.P., Gonçalves, R.S., Minicucci, M.F., Bazan, R., and Zornoff, L.A.M. (2020). Strain pattern and T-wave alterations are predictors of mortality and poor neurologic outcome following stroke. Clin. Cardiol. 43, 568-573. https://doi.org/10.1002/clc.23348.
10. Prosser, J., MacGregor, L., Lees, K.R., Diener, H.C., Hacke, W., and Davis, S. (2007). Predictors of early cardiac morbidity and mortality after ischemic stroke. Stroke 38, 2295-2302. https://doi.org/10.1161/STROKEAHA. 106. 471813.
11. Suissa, L., Panicucci, E., Perot, C., Romero, G., Gazzola, S., Laksiri, N., Rey, C., Doche, E., Mahagne, M.-H., Pelletier, J., et al. (2020). Effect of hyperglycemia on stroke outcome is not homogeneous to all patients treated with mechanical thrombectomy. Clin. Neurol. Neurosurg. 194, 105750. https://doi.org/10.1016/j.clineuro.2020.105750.
12. Hackett, M.L., and Pickles, K. (2014). Part I: frequency of depression after stroke: an updated systematic review and meta-analysis of observational studies. Int. J. Stroke 9, 1017-1025. https://doi.org/10.1111/ijs.12357.
13. Netea, M.G., Joosten, L.A.B., Latz, E., Mills, K.H.G., Natoli, G., Stunnenberg, H.G., O’Neill, L.A.J., and Xavier, R.J. (2016). Trained immunity: A program of innate immune memory in health and disease. Science 352, aaf1098. https://doi.org/10.1126/science.aaf1098.
14. Netea, M.G., Domínguez-Andrés, J., Barreiro, L.B., Chavakis, T., Divangahi, M., Fuchs, E., Joosten, L.A.B., van der Meer, J.W.M., Mhlanga, M.M., Mulder, W.J.M., et al. (2020). Defining trained immunity and its role in health and disease. Nat. Rev. Immunol. 20, 375-388. https://doi. org/10.1038/s41577-020-0285-6.
15. Ochando, J., Fayad, Z.A., Madsen, J.C., Netea, M.G., and Mulder, W.J.M. (2020). Trained immunity in organ transplantation. Am. J. Transplant. 20, 10-18. https://doi.org/10.1111/ajt. 15620.
16. Leung, Y.T., Shi, L., Maurer, K., Song, L., Zhang, Z., Petri, M., and Sullivan, K.E. (2015). Interferon regulatory factor 1 and histone H4 acetylation in systemic lupus erythematosus. Epigenetics 10, 191-199. https://doi.org/ 10.1080/15592294.2015.1009764.
17. Li, X., Wang, H., Yu, X., Saha, G., Kalafati, L., Ioannidis, C., Mitroulis, I., Netea, M.G., Chavakis, T., and Hajishengallis, G. (2022). Maladaptive innate immune training of myelopoiesis links inflammatory comorbidities. Cell 185, 1709-1727.e18. https://doi.org/10.1016/j.cell.2022.03.043.
18. Murphy, A.J., and Tall, A.R. (2016). Disordered haematopoiesis and athero-thrombosis. Eur. Heart J. 37, 1113-1121. https://doi.org/10. 1093/eurheartj/ehv718.
19. Winklewski, P.J., Radkowski, M., and Demkow, U. (2014). Cross-talk between the inflammatory response, sympathetic activation and pulmonary infection in the ischemic stroke. J. Neuroinflammation 11, 213. https://doi. org/10.1186/s12974-014-0213-4.
20. Seifert, H.A., and Offner, H. (2018). The splenic response to stroke: from rodents to stroke subjects. J. Neuroinflammation 15, 195. https://doi. org/10.1186/s12974-018-1239-9.
21. Austin, V., Ku, J.M., Miller, A.A., and Vlahos, R. (2019). Ischaemic stroke in mice induces lung inflammation but not acute lung injury. Sci. Rep. 9, 3622. https://doi.org/10.1038/s41598-019-40392-1.
22. Llovera, G., Hofmann, K., Roth, S., Salas-Pérdomo, A., Ferrer-Ferrer, M., Perego, C., Zanier, E.R., Mamrak, U., Rex, A., Party, H., et al. (2015). Results of a preclinical randomized controlled multicenter trial (pRCT): anti-CD49d treatment for acute brain ischemia. Sci. Transl. Med. 7, 299ra121. https://doi.org/10.1126/scitransImed.aaa9853.
23. Ginhoux, F., Schultze, J.L., Murray, P.J., Ochando, J., and Biswas, S.K. (2016). New insights into the multidimensional concept of macrophage ontogeny, activation and function. Nat. Immunol. 17, 34-40. https://doi. org/10.1038/ni.3324.
24. Hoyer, F.F., Naxerova, K., Schloss, M.J., Hulsmans, M., Nair, A.V., Dutta, P., Calcagno, D.M., Herisson, F., Anzai, A., Sun, Y., et al. (2019). Tissuespecific macrophage responses to remote injury impact the outcome of subsequent local immune challenge. Immunity 51, 899-914.e7. https:// doi.org/10.1016/j.immuni.2019.10.010.
25. Paulus, W.J., and Tschöpe, C. (2013). A novel paradigm for heart failure with preserved ejection fraction: comorbidities drive myocardial dysfunction and remodeling through coronary microvascular endothelial inflammation. J. Am. Coll. Cardiol. 62, 263-271. https://doi.org/10.1016/j.jacc. 2013.02.092.
26. Sharma, K., and Kass, D.A. (2014). Heart failure with preserved ejection fraction: mechanisms, clinical features, and therapies. Circ. Res. 115, 79-96. https://doi.org/10.1161/CIRCRESAHA.115.302922.
27. Hulsmans, M., Schloss, M.J., Lee, I.-H., Bapat, A., Iwamoto, Y., Vinegoni, C., Paccalet, A., Yamazoe, M., Grune, J., Pabel, S., et al. (2023). Recruited macrophages elicit atrial fibrillation. Science 381, 231-239. https://doi. org/10.1126/science.abq3061.
28. Epelman, S., Lavine, K.J., Beaudin, A.E., Sojka, D.K., Carrero, J.A., Calderon, B., Brija, T., Gautier, E.L., Ivanov, S., Satpathy, A.T., et al. (2014). Embryonic and adult-derived resident cardiac macrophages are maintained through distinct mechanisms at steady state and during inflammation. Immunity 40, 91-104. https://doi.org/10.1016/j.immuni.2013.11.019.
29. Park, M.D., Silvin, A., Ginhoux, F., and Merad, M. (2022). Macrophages in health and disease. Cell 185, 4259-4279. https://doi.org/10.1016/j.cell. 2022.10.007.
30. Stik, G., Vidal, E., Barrero, M., Cuartero, S., Vila-Casadesús, M., Men-dieta-Esteban, J., Tian, T.V., Choi, J., Berenguer, C., Abad, A., et al. (2020). CTCF is dispensable for immune cell transdifferentiation but facilitates an acute inflammatory response. Nat. Genet. 52, 655-661. https:// doi.org/10.1038/s41588-020-0643-0.
31. Jaitin, D.A., Weiner, A., Yofe, I., Lara-Astiaso, D., Keren-Shaul, H., David, E., Salame, T.M., Tanay, A., Van Oudenaarden, A., and Amit, I. (2016). Dissecting immune circuits by linking CRISPR-pooled screens with single-cell RNA-seq. Cell 167, 1883-1896.e15. https://doi.org/10.1016/j.cell.2016. 11.039.
32. Yuan, Y., Fan, G., Liu, Y., Liu, L., Zhang, T., Liu, P., Tu, Q., Zhang, X., Luo, S., Yao, L., et al. (2022). The transcription factor KLF14 regulates macrophage glycolysis and immune function by inhibiting HK2 in sepsis. Cell. Mol. Immunol. 19, 504-515. https://doi.org/10.1038/s41423-021-00806-5.
33. Yang, Z.-F., Drumea, K., Cormier, J., Wang, J., Zhu, X., and Rosmarin, A.G. (2011). GABP transcription factor is required for myeloid differentiation, in part, through its control of Gfi-1 expression. Blood 118, 22432253. https://doi.org/10.1182/blood-2010-07-298802.
34. Chen, S., Yang, J., Wei, Y., and Wei, X. (2020). Epigenetic regulation of macrophages: from homeostasis maintenance to host defense. Cell. Mol. Immunol. 17, 36-49. https://doi.org/10.1038/s41423-019-0315-0.
35. Yoshida, K., and Ishii, S. (2016). Innate immune memory via ATF7-dependent epigenetic changes. Cell Cycle 15, 3-4. https://doi.org/10.1080/ 15384101.2015.1112687.
36. Li, W., Moorlag, S.J.C.F.M., Koeken, V.A.C.M., Röring, R.J., De Bree, L.C.J., Mourits, V.P., Gupta, M.K., Zhang, B., Fu, J., Zhang, Z., et al. (2023). A single-cell view on host immune transcriptional response to in vivo BCG-induced trained immunity. Cell Rep. 42, 112487. https://doi. org/10.1016/j.celrep.2023.112487.
37. Schep, A.N., Wu, B., Buenrostro, J.D., and Greenleaf, W.J. (2017). chromVAR: inferring transcription-factor-associated accessibility from singlecell epigenomic data. Nat. Methods 14, 975-978. https://doi.org/10. 1038/nmeth. 4401.
38. Omatsu, Y., Aiba, S., Maeta, T., Higaki, K., Aoki, K., Watanabe, H., Kondoh, G., Nishimura, R., Takeda, S., Chung, U.I., et al. (2022). Runx1 and Runx2 inhibit fibrotic conversion of cellular niches for hematopoietic stem cells. Nat. Commun. 13, 2654. https://doi.org/10.1038/s41467-022-30266-y.
39. Ciau-Uitz, A., Wang, L., Patient, R., and Liu, F. (2013). ETS transcription factors in hematopoietic stem cell development. Blood Cells Mol. Dis. 51, 248-255. https://doi.org/10.1016/j.bcmd.2013.07.010.
40. Ohlsson, R., Renkawitz, R., and Lobanenkov, V. (2001). CTCF is a uniquely versatile transcription regulator linked to epigenetics and disease. Trends Genet. 17, 520-527. https://doi.org/10.1016/s0168-9525(01)02366-6.
41. Baillie, J.K., Arner, E., Daub, C., De Hoon, M., Itoh, M., Kawaji, H., Lassmann, T., Carninci, P., Forrest, A.R.R., Hayashizaki, Y., et al. (2017). Analysis of the human monocyte-derived macrophage transcriptome and response to lipopolysaccharide provides new insights into genetic aetiology of inflammatory bowel disease. PLoS Genet. 13, e1006641. https://doi.org/10.1371/journal.pgen. 1006641.
42. An, Y., Ni, Y., Xu, Z., Shi, S., He, J., Liu, Y., Deng, K.-Y., Fu, M., Jiang, M., and Xin, H.-B. (2020). TRIM59 expression is regulated by Sp1 and Nrf1 in LPS-activated macrophages through JNK signaling pathway. Cell. Signal. 67, 109522. https://doi.org/10.1016/j.cellsig.2019.109522.
43. Nikolic, T., Movita, D., Lambers, M.E.H., Ribeiro de Almeida, C.R., Biesta, P., Kreefft, K., De Bruijn, M.J.W., Bergen, I., Galjart, N., Boonstra, A., et al. (2014). The DNA-binding factor Ctcf critically controls gene expression in macrophages. Cell. Mol. Immunol. 11, 58-70. https://doi.org/10.1038/ cmi.2013.41.
44. Dekkers, K.F., Neele, A.E., Jukema, J.W., Heijmans, B.T., and De Winther, M.P.J. (2019). Human monocyte-to-macrophage differentiation involves highly localized gain and loss of DNA methylation at transcription factor binding sites. Epigenetics Chromatin 12, 34. https://doi.org/10.1186/ s13072-019-0279-4.
45. Liao, J., Humphrey, S.E., Poston, S., and Taparowsky, E.J. (2011). Batf promotes growth arrest and terminal differentiation of mouse myeloid leukemia cells. Mol. Cancer Res. 9, 350-363. https://doi.org/10.1158/1541-7786.MCR-10-0375.
46. Behmoaras, J., Bhangal, G., Smith, J., McDonald, K., Mutch, B., Lai, P.C., Domin, J., Game, L., Salama, A., Foxwell, B.M., et al. (2008). Jund is a determinant of macrophage activation and is associated with glomerulonephritis susceptibility. Nat. Genet. 40, 553-559. https://doi.org/10. 1038/ng. 137.
47. Ridker, P.M., MacFadyen, J.G., Thuren, T., Everett, B.M., Libby, P., Glynn, R.J., Lorenzatti, A., Krum, H., and Varigos, J. (2017). Effect of interleukin inhibition with canakinumab on incident lung cancer in patients with atherosclerosis: exploratory results from a randomised, double-blind, pla-cebo-controlled trial. Lancet 390, 1833-1842. https://doi.org/10.1016/ S0140-6736(17)32247-X.
48. Thompson, M., Saag, M., DeJesus, E., Gathe, J., Lalezari, J., Landay, A.L., Cade, J., Enejosa, J., Lefebvre, E., and Feinberg, J. (2016). A 48-week randomized phase 2b study evaluating cenicriviroc versus efavirenz in treatment-naive HIV-infected adults with C-C chemokine receptor type 5-tropic virus. AIDS 30, 869-878. https://doi.org/10.1097/ QAD. 0000000000000988.
49. Sherman, K.E., Abdel-Hameed, E., Rouster, S.D., Shata, M.T.M., Blackard, J.T., Safaie, P., Kroner, B., Preiss, L., Horn, P.S., and Kottilil, S. (2019). Improvement in hepatic fibrosis biomarkers associated with chemokine receptor inactivation through mutation or therapeutic blockade. Clin. Infect. Dis. 68, 1911-1918. https://doi.org/10.1093/cid/ciy807.
50. Friedman, S.L., Ratziu, V., Harrison, S.A., Abdelmalek, M.F., Aithal, G.P., Caballeria, J., Francque, S., Farrell, G., Kowdley, K.V., Craxi, A., et al. (2018). A randomized, placebo-controlled trial of cenicriviroc for treatment of nonalcoholic steatohepatitis with fibrosis. Hepatology 67, 1754-1767. https://doi.org/10.1002/hep.29477.
51. Dziedzic, T. (2015). Systemic inflammation as a therapeutic target in acute ischemic stroke. Expert Rev. Neurotherapeutics 15, 523-531. https://doi. org/10.1586/14737175.2015.1035712.
52. Anrather, J., and Iadecola, C. (2016). Inflammation and stroke: an overview. Neurotherapeutics 13, 661-670. https://doi.org/10.1007/s13311-016-0483-x.
53. Chugh, S.S., Roth, G.A., Gillum, R.F., and Mensah, G.A. (2014). Global burden of atrial fibrillation in developed and developing nations. Glob. Heart 9, 113-119. https://doi.org/10.1016/j.gheart.2014.01.004.
54. Kim, W., and Kim, E.J. (2018). Heart failure as a risk factor for stroke. J. Stroke 20, 33-45. https://doi.org/10.5853/jos.2017.02810.
55. Kallmünzer, B., Breuer, L., Kahl, N., Bobinger, T., Raaz-Schrauder, D., Huttner, H.B., Schwab, S., and Köhrmann, M. (2012). Serious cardiac arrhythmias after stroke: incidence, time course, and predictors-a systematic, prospective analysis. Stroke 43, 2892-2897. https://doi.org/10. 1161/STROKEAHA.112.664318.
56. Buckley, B.J.R., Harrison, S.L., Hill, A., Underhill, P., Lane, D.A., and Lip, G.Y.H. (2022). Stroke-heart syndrome: incidence and clinical outcomes of cardiac complications following stroke. Stroke 53, 1759-1763. https://doi.org/10.1161/STROKEAHA.121.037316.
57. Ruthirago, D., Julayanont, P., Tantrachoti, P., Kim, J., and Nugent, K. (2016). Cardiac arrhythmias and abnormal electrocardiograms after acute stroke. Am. J. Med. Sci. 351, 112-118. https://doi.org/10.1016/j.amjms. 2015.10.020.
58. Bieber, M., Werner, R.A., Tanai, E., Hofmann, U., Higuchi, T., Schuh, K., Heuschmann, P.U., Frantz, S., Ritter, O., Kraft, P., et al. (2017). Strokeinduced chronic systolic dysfunction driven by sympathetic overactivity. Ann. Neurol. 82, 729-743. https://doi.org/10.1002/ana.25073.
59. Veltkamp, R., Uhlmann, S., Marinescu, M., Sticht, C., Finke, D., Gretz, N., Gröne, H.J., Katus, H.A., Backs, J., and Lehmann, L.H. (2019). Experimental ischaemic stroke induces transient cardiac atrophy and dysfunction. J. Cachexia Sarcopenia Muscle 10, 54-62. https://doi.org/10.1002/ jcsm. 12335.
60. Heuschmann, P.U., Montellano, F.A., Ungethüm, K., Rücker, V., Wiedmann, S., Mackenrodt, D., Quilitzsch, A., Ludwig, T., Kraft, P., Albert, J., et al. (2021). Prevalence and determinants of systolic and diastolic cardiac dysfunction and heart failure in acute ischemic stroke patients: the SICFAIL study. ESC Heart Fail. 8, 1117-1129. https://doi.org/10.1002/ ehf2.13145.
61. Jeong, E.-M., and Dudley, S.C., Jr. (2015). Diastolic dysfunction. Circ. J. 79, 470-477. https://doi.org/10.1253/circj.CJ-15-0064.
62. Thomas, L., Marwick, T.H., Popescu, B.A., Donal, E., and Badano, L.P. (2019). Left atrial structure and function, and left ventricular diastolic dysfunction: JACC state-of-the-art review. J. Am. Coll. Cardiol. 73, 1961-1977. https://doi.org/10.1016/j.jacc.2019.01.059.
63. Kirchgesner, J., Beaugerie, L., Carrat, F., Andersen, N.N., Jess, T., Schwarzinger, M., Bouvier, A.M., Buisson, A., Carbonnel, F., and Cosnes, J. (2018). Increased risk of acute arterial events in young patients and severely active IBD: a nationwide French cohort study ibd. Gut 67, 1261-1268. https://doi.org/10.1136/gutjnl-2017-314015.
64. Moorlag, S.J.C.F.M., Khan, N., Novakovic, B., Kaufmann, E., Jansen, T., Van Crevel, R., Divangahi, M., and Netea, M.G. (2020). -glucan induces protective trained immunity against Mycobacterium tuberculosis infection:
    a key role for IL-1. Cell Rep. 31, 107634. https://doi.org/10.1016/j.celrep. 2020.107634.
65. Mitroulis, I., Ruppova, K., Wang, B., Chen, L.S., Grzybek, M., Grinenko, T., Eugster, A., Troullinaki, M., Palladini, A., Kourtzelis, I., et al. (2018). Modulation of myelopoiesis progenitors is an integral component of trained immunity. Cell 172, 147-161.e12. https://doi.org/10.1016/j.cell.2017.11.034.
66. Georgakis, M.K., Bernhagen, J., Heitman, L.H., Weber, C., and Dichgans, M. (2022). Targeting the CCL2-CCR2 axis for atheroprotection. Eur. Heart J. 43, 1799-1808. https://doi.org/10.1093/eurheartj/ehac094.
67. Stuart, T., Butler, A., Hoffman, P., Hafemeister, C., Papalexi, E., Mauck, W.M., Hao, Y., Stoeckius, M., Smibert, P., and Satija, R. (2019). Comprehensive integration of single-cell data. Cell 177, 1888-1902.e21. https:// doi.org/10.1016/j.cell.2019.05.031.
68. Stuart, T., Srivastava, A., Madad, S., Lareau, C.A., and Satija, R. (2021). Single-cell chromatin state analysis with Signac. Nat. Methods 18, 1333-1341. https://doi.org/10.1038/s41592-021-01282-5.
69. Cao, J., Spielmann, M., Qiu, X., Huang, X., Ibrahim, D.M., Hill, A.J., Zhang, F., Mundlos, S., Christiansen, L., Steemers, F.J., et al. (2019). The singlecell transcriptional landscape of mammalian organogenesis. Nature 566, 496-502. https://doi.org/10.1038/s41586-019-0969-x.
70. Granja, J.M., Corces, M.R., Pierce, S.E., Bagdatli, S.T., Choudhry, H., Chang, H.Y., and Greenleaf, W.J. (2021). ArchR is a scalable software package for integrative single-cell chromatin accessibility analysis. Nat. Genet. 53, 403-411. https://doi.org/10.1038/s41588-021-00790-6.
71. Lange, M., Bergen, V., Klein, M., Setty, M., Reuter, B., Bakhti, M., Lickert, H., Ansari, M., Schniering, J., Schiller, H.B., et al. (2022). CellRank for directed single-cell fate mapping. Nat. Methods 19, 159-170. https:// doi.org/10.1038/s41592-021-01346-6.
72. Jin, S., Guerrero-Juarez, C.F., Zhang, L., Chang, I., Ramos, R., Kuan, C.-H., Myung, P., Plikus, M.V., and Nie, Q. (2021). Inference and analysis of cell-cell communication using CellChat. Nat. Commun. 12, 1088. https://doi.org/10.1038/s41467-021-21246-9.
73. Machlab, D., Burger, L., Soneson, C., Rijli, F.M., Schübeler, D., and Stadler, M.B. (2022). monaLisa: an R/Bioconductor package for identifying regulatory motifs. Bioinformatics 38, 2624-2625. https://doi.org/10. 1093/bioinformatics/btac102.
74. Lun, A.T.L., and Smyth, G.K. (2016). csaw: a Bioconductor package for differential binding analysis of ChIP-seq data using sliding windows. Nucleic Acids Res. 44, e45. https://doi.org/10.1093/nar/gkv1191.
75. Andrews, S. (2010). FastQC: a Quality Control Tool for High Throughput Sequence Data (Babraham Bioinformatics).
76. Dobin, A., Davis, C.A., Schlesinger, F., Drenkow, J., Zaleski, C., Jha, S., Batut, P., Chaisson, M., and Gingeras, T.R. (2013). STAR: ultrafast universal RNA-seq aligner. Bioinformatics 29, 15-21. https://doi.org/10.1093/ bioinformatics/bts635.
77. Martin, M. (2011). Cutadapt removes adapter sequences from highthroughput sequencing reads. EMBnet. j. 17. https://doi.org/10.14806/ ej.17.1.200.
78. Liao, Y., Smyth, G.K., and Shi, W. (2014). featureCounts: an efficient general purpose program for assigning sequence reads to genomic features. Bioinformatics 30, 923-930. https://doi.org/10.1093/bioinformatics/btt656.
79. Love, M.I., Huber, W., and Anders, S. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 15, 550. https://doi.org/10.1186/s13059-014-0550-8.
80. Ge, S.X., Jung, D., and Yao, R. (2020). ShinyGO: a graphical gene-set enrichment tool for animals and plants. Bioinformatics 36, 2628-2629. https://doi.org/10.1093/bioinformatics/btz931.
81. Raudvere, U., Kolberg, L., Kuzmin, I., Arak, T., Adler, P., Peterson, H., and Vilo, J. (2019). g:profiler: a web server for functional enrichment analysis and conversions of gene lists (2019 update). Nucleic Acids Res. 47, W191-W198. https://doi.org/10.1093/nar/gkz369.
82. Nagueh, S.F., Smiseth, O.A., Appleton, C.P., Byrd, B.F., Dokainish, H., Edvardsen, T., Flachskampf, F.A., Gillebert, T.C., Klein, A.L., Lancellotti, P., et al. (2016). Recommendations for the evaluation of left ventricular diastolic function by echocardiography: an update from the American Society of Echocardiography and the European Association of Cardiovascular lmaging. Eur. Heart J. Cardiovasc. Imaging 17, 1321-1360. https://doi.org/ 10.1093/ehjci/jew082.
83. Llovera, G., Roth, S., Plesnila, N., Veltkamp, R., and Liesz, A. (2014). Modeling stroke in mice: permanent coagulation of the distal middle cerebral artery. J. Vis. Exp., e51729. https://doi.org/10.3791/51729.
84. Tomsits, P., Volz, L., Xia, R., Chivukula, A., Schüttler, D., and Clauß, S. (2023). Medetomidine/midazolam/fentanyl narcosis alters cardiac autonomic tone leading to conduction disorders and arrhythmias in mice. Lab Anim. (NY) 52, 85-92. https://doi.org/10.1038/s41684-023-01141-0.
85. Tomsits, P., Sharma Chivukula, A., Raj Chataut, K., Simahendra, A., Weckbach, L.T., Brunner, S., and Clauss, S. (2022). Real-time electrocardiogram monitoring during treadmill training in mice. J. Vis. Exp. https:// doi.org/10.3791/63873.
86. Tomsits, P., Chataut, K.R., Chivukula, A.S., Mo, L., Xia, R., Schüttler, D., and Clauss, S. (2021). Analyzing long-term electrocardiography record-
    ings to detect arrhythmias in mice. J. Vis. Exp. https://doi.org/10. 3791/62386.
87. Ramírez, F., Ryan, D.P., Grüning, B., Bhardwaj, V., Kilpert, F., Richter, A.S., Heyne, S., Dündar, F., and Manke, T. (2016). deepTools2: a next generation web server for deep-sequencing data analysis. Nucleic Acids Res. 44, W160-W165. https://doi.org/10.1093/nar/gkw257.
88. Skene, P.J., Henikoff, J.G., and Henikoff, S. (2018). Targeted in situ genome-wide profiling with high efficiency for low cell numbers. Nat. Protoc. 13, 1006-1019. https://doi.org/10.1038/nprot.2018.015.
89. Kaya-Okur, H.S., Janssens, D.H., Henikoff, J.G., Ahmad, K., and Henikoff, S. (2020). Efficient low-cost chromatin profiling with CUT&Tag. Nat. Protoc. 15, 3264-3283. https://doi.org/10.1038/s41596-020-0373-x.
90. Yu, F., Sankaran, V.G., and Yuan, G.-C. (2021). CUT&RUNTools 2.0: a pipeline for single-cell and bulk-level CUT&RUN and CUT&Tag data analysis. Bioinformatics 38, 252-254. https://doi.org/10.1093/bioinformatics/ btab507.
91. Stempor, P., and Ahringer, J. (2016). SeqPlots – Interactive software for exploratory data analyses, pattern discovery and visualization in genomics. Wellcome Open Res. 1, 14. https://doi.org/10.12688/wellcomeopenres.10004.1.

طرق النجوم

جدول الموارد الرئيسية

توفر الموارد

جهة الاتصال الرئيسية

توفر المواد

توفر البيانات والشيفرة

تفاصيل النموذج التجريبي و المشاركين في الدراسة

السكان المرضى السريريين

تجارب الحيوانات

تفاصيل الطريقة

نموذج انسداد الشريان الدماغي القريب العابر

نموذج انسداد الشريان الدماغي البعيد الدائم

إدارة الأدوية

5-إيثينيل-2′-ديوكسي يوريدين

مضاد IL-1

ليبوبوليسكاريد

تاموكسيفين

تخطيط صدى القلب

تخطيط القلب عن بُعد

دراسات الفيزيولوجيا الكهربائية القلبية

تم قياس ضغط الدم غير الغازي

زراعة نخاع العظام

جمع الأعضاء والأنسجة

عزل الخلايا

فرز الخلايا

تدفق السيتومترية

تسلسل RNA أحادي الخلية

تحليل بيانات RNA-seq للخلايا المفردة

ATAC-seq للنوى المفردة

تحليل بيانات ATAC-seq للنوى المفردة

تسلسل ATAC بالجملة

تسلسل CUT&tag

تصوير الميكروسكوب لتوليد التوافقيات الثانية

شرائح نسيجية لقلب الفأر

شرائح نسيجية لقلب الإنسان

صبغة بيكروسيريوس الحمراء

صبغة الهيماتوكسيلين والإيوزين

تلطيخ المناعة الفلورية

صبغة المناعية النسيجية

تفاعل البوليميراز المتسلسل الفلوري في الموقع

زيموجرافيا الجيلاتين MMP9

قياس اليوريا في الدم

اختبار الامتصاص المناعي المرتبط بالإنزيم

qPCR