Abstract Background Hyperlipidemia is a vital etiology of acute pancreatitis (AP), 12 to 20% of which have a history of hyperlipidemia. Multiple organ failure is the major cause of the high mortality rate of AP. Liver injury has been discovered in 80% of AP patients. The relationship and role of IRF9 and SIRT1 have not been presented in AP and hyperlipidemia AP (HLAP) with liver injury. This investigation was designed to explore the function and relationship of IRF9 and SIRT1. Methods HLAP model in vivo was performed by feeding high-fat forage and induced by peritoneal injection with 20% L-arginine. The severity of pancreas and liver tissues was assessed. Cell apoptosis in the liver was determined by the TUNEL experiment. IRF9, SIRT1, p53, and acetylated p53 (Ac-p53) expression levels in liver tissues were detected by qRT-PCR and Western blot. The association of IRF9 expression with SIRT1 levels was evaluated. The relevance of triglyceride level to tissue damage was analyzed. Results Our observation exhibited more distinct liver damage, a large number of hepatic cell apoptosis, marked raised IRF9, Ac-p53, and sharply dropped SIRT1 in the AP and HLAP groups. Compared with other groups, HLAP showed the most significant changes in liver injury, hepatic cell apoptosis, protein, and mRNA levels. The declined expression of SIRT1 was correlated with the elevated expression of IRF9. The damage of the pancreas and liver exacerbated with the increase in triglyceride levels. Conclusion Elevated IRF9 in pancreatitis with liver injury raised cell apoptosis and tissue damage by decreasing SIRT1 expression.

It is a significant challenge to develop a fast carbon fiber (CF) surface modification method, especially for the high strength electromagnetic wave (EMW) absorption materials. Herein, magnetic CoO

Hydrodynamic force loading platforms based on acoustofluidics have been developed to study the mechanical deformation of cancer cells and to control cell behavior. However, so far there have been no experimental measurements on living plant cells using such an acoustic approach. Unique structures, including cell walls, allow plant cells to exhibit more variation in mechanical resistance. In this work, we analyzed plant cell deformation and membrane permeability using a gigahertz (GHz) acoustofluidic system. By recording the proportion of intact cells in the cell population, we evaluated the mechanical resistance of the protoplasts to the hydrodynamic forces of the acoustic streaming. The results showed that a regenerated primary cell wall (PCW) could significantly improve the mechanical resistance of individual plant cells within 24 h compared to the freshly prepared protoplasts without walls. The results of enzymatic degradation showed that three main components of the primary cell wall contribute to different degrees to the improvement of the mechanical properties of the cells, in decreasing order: cellulose, hemicellulose, and pectin. Furthermore, we have shown that such an acoustofluidic system can alter the permeability of the protoplast membrane in a controllable manner for transient gene expression.

Bladder cancer (BC) is the most common malignant tumor and has become a major public health problem, leading the causes of death worldwide. The detection of BC cells is of great significance for clinical diagnosis and disease treatment. Urinary cytology based liquid biopsy remains high specificity for early diagnosis of BC, however, it still requires microscopy examination which heavily relies on manual operations. It is imperative to investigate the potential of automated and indiscriminate cell differentiation technology to enhance the sensitivity and efficiency of urine cytology. Here, we developed a machine learning algorithm empowered dual-fluorescence flow cytometry platform (μ-FCM) for urinary cytology analysis. A phenotype characteristic parameter (CP) which correlated with the size of the cell and nucleus was defined to achieve the differentiation of the BC cells and uroepithelial cells with high throughput and high accuracy. Based on CP analysis, SV-HUC-1 cells were almost differentiated from EJ cells and effectively reduced the overlap with 5637 cells. To further differentiate SV-HUC-1 cells and 5637 cells, support vector machine (SVM) machine learning algorithm was optimized to assist data analysis with the highest accuracies of 84.7 % for cell differentiation including the specificity of 91.0 % and the sensitivity of 75.0 %. Furthermore, the false positive rate (FPR) compensation enabled the detection rates of rare BC cells predicted by the well-trained SVM model were close to the true proportions with the recognition error in 0.4 % for the tumor cells. As a proof of concept, the developed μ-FCM system successfully demonstrates the capacity to identify the distribution of exfoliated cells in real urine samples. This system underscores the significance of integrating AI with microfluidics to perform high-throughput phenotyping of exfoliated cells, offering a pathway toward scalable, efficient, and automatic microfluidic systems in the fields of both biosensing and in vitro diagnosis of BC.

Tricyclic 6-7-6 and 6-8-6 carbon ring systems are present in numerous biologically active natural molecules. However, simple and efficient synthetic approaches to these scaffolds remain challenging. Herein, we report a versatile strategy for constructing these ring systems via Fe(NO

Compared to animal cells, phenotypic characterization of single plant cells on microfluidic platforms is still rare. In this work, we collated population statistics on the morphological, biochemical, physical and electrical properties of Arabidopsis protoplasts under different external and internal conditions, using progressively improved microfluidic platforms. First, we analyzed the different effects of three phytohormones (auxin, cytokinin and gibberellin) on the primary cell wall (PCW) regeneration process using a microfluidic flow cytometry platform equipped with a single-channel fluorescence sensor. Second, we correlated the intracellular reactive oxygen species (ROS) level induced by heavy metal stress with the concurrent PCW regeneration process by using a dual-channel fluorescence sensor. Third, by integrating contraction channels, we were able to effectively discriminate variations in cell size while monitoring the intensity of intracellular ROS signaling. Fourth, by combining an electrical impedance electrode with the contraction channel, we analyzed the differences in electrical and mechanical properties of wild-type and mutant plant cells before and after primary cell wall regeneration. Overall, our work demonstrates the feasibility and sensitivity of microfluidic flow cytometry in high-throughput phenotyping of plant cells and provides a reference for assessing metabolic and physiological indicators of individual plant cells in multiple dimensions.