《Progress in Neurobiology》:Maresin1 Mitigates Morphine Analgesic Tolerance via the Lgr6 Pathway
编辑推荐:
镇痛耐受机制研究揭示maresin1通过抑制β-arrestin2介导的μ受体内化起效,其保护作用依赖Lgr6在背根神经节的调控。
Xinyi Tian|Jishi Ye|Chenxi Shen|Xiyuan Chen|Ji Xiao|Chaohui Lian|Li Li|Ruifeng Zeng|Xinyi Fu|Weiyue Fang|Gonghao Zhan|Wangning Shangguan|Yigeng Xu|Chen Qian|Ye Gao|Shengwei Jin
温州医科大学第二附属医院及玉英儿童医院麻醉、重症监护与疼痛医学科;教育部儿科麻醉学重点实验室;浙江省精准麻醉学重点实验室;中国325027
摘要
反复使用吗啡会导致镇痛耐受性,从而降低其止痛效果并增加过量风险。然而,内源性促修复介质水平的变化及其与μ-阿片受体的关系,以及它们在长期使用吗啡过程中的镇痛耐受性中的作用,尚未得到充分理解。我们的研究表明,慢性吗啡暴露会降低小鼠体内的maresin1水平,这一现象与耐受患者的吗啡剂量相关。系统性地或鞘内给予maresin1可以缓解吗啡耐受性,但脑室内给药则无效。此外,在吗啡耐受小鼠的背根神经节中,Lgr6的表达量会减少,而通过AAV注射降低背根神经节中的Lgr6表达量会抵消maresin1的保护作用。maresin1通过阻止β-arrestin2的招募和μ-阿片受体的内化来维持吗啡的止痛效果。总之,这项研究阐明了maresin1在调节吗啡耐受性中的功能,提示其可能是提高阿片类药物效果的潜在靶点。
引言
阿片类镇痛药因其已被证明的有效性而被广泛用于严重急性和慢性疼痛的管理(Berterame等人,2016年;Dowell等人,2022年;Maia等人,2024年)。然而,长期使用可能导致阿片类镇痛药耐受性,表现为由于阿片受体持续激活而导致的止痛效果减弱。因此,患者可能需要逐渐增加剂量以获得足够的止痛效果,从而增加了误用、依赖和潜在致命后果的风险。因此,解决与长期吗啡治疗相关的挑战对于确保更安全和更有效的疼痛管理策略至关重要(Avery等人,2022年)。对吗啡的镇痛耐受性的发展涉及复杂的机制,主要与μ-阿片受体(MOR)信号传导和受体转运有关(Kliewer等人,2019年;Zhuang等人,2022年)。这些G蛋白偶联受体(GPCRs)具有七个跨膜结构域,在中枢神经系统(包括大脑和脊髓)以及外周神经系统(包括背根神经节和脊神经)中广泛分布(Maza等人,2022年)。长期使用阿片类药物可能导致MOR脱敏,从而降低其效果并促进耐受性的产生。这突显了全面理解MOR复杂调控机制的必要性,以减轻阿片耐受性并改进疼痛管理策略。
特殊促修复介质(SPMs)是一类从多不饱和脂肪酸衍生的生物活性脂质,包括脂氧素、树脂素、保护素和maresin(Dyall等人,2022年;Gilroy和Bishop-Bailey,2019年),通过与特定受体的相互作用促进神经组织修复,在神经功能中发挥关键作用(Leuti等人,2021年)。然而,长期使用吗啡导致的内源性SPMs的变化以及外源性SPMs影响阿片受体的机制尚未得到充分阐明。本研究探讨了阿片耐受性的潜在机制,特别关注内源性SPMs的变化以及外源性治疗干预的影响,旨在为疼痛医学领域提供新的见解并开发创新策略。
研究片段
慢性吗啡暴露会降低小鼠血浆中的maresin1水平
我们使用热板法和尾部抽搐试验评估了吗啡的镇痛效果。为期七天的连续吗啡给药模型(图1A)显示,第7天的吗啡处理小鼠的镇痛效果显著下降,表明出现了耐受性(图1B-E)。第7天,我们使用UPLC-MS/MS分析了小鼠血浆中的SPMs。与对照组相比,具有吗啡耐受性的小鼠在九种与疼痛相关的SPMs中显示出显著变化。
讨论
我们的研究发现,长期使用吗啡会显著降低小鼠体内的内源性与疼痛相关的SPMs,尤其是MaR1。最近的研究强调了MaR1(一种特殊的促修复介质)在神经系统疾病中的关键作用。早期的临床前研究表明,在关节炎疼痛的小鼠模型中,MaR1的水平降低(Allen等人,2020年)。在我们的研究中,我们观察到血浆中MaR1水平与……之间存在显著的负相关关系。
小鼠
所有实验均遵循“实验室动物护理和使用指南”及ARRIVE指南(Percie du Sert等人,2020年),以及《Neuron》杂志的建议。本研究使用了来自上海SLAC实验动物公司的6-8周龄SPF成年雄性C57BL/6小鼠。这些小鼠被饲养在温州医科大学的标准笼子里,处于12小时光照/黑暗周期环境中,温度受到控制。
数据获取
本研究生成或使用的数据可应合理要求向相应作者索取。
数据和统计分析
实验数据以平均值±标准误差(SEM)显示。分析使用GraphPad Prism 9.0(GraphPad Software,圣地亚哥,CA)进行,包括线性相关性分析、双因素重复测量方差分析(two-way repeated measures ANOVA)、非配对T检验和单因素方差分析(one-way ANOVA)。方法细节见图例。P值<0.05被视为具有统计学意义。作者贡献声明
Shengwei Jin:写作——审阅与编辑,监督。Ji Xiao:写作——审阅与编辑,研究。Chaohui Lian:写作——审阅与编辑,方法学。Chen Qian:写作——审阅与编辑,研究。Chenxi Shen:写作——审阅与编辑,研究。Ye Gao:写作——审阅与编辑,概念构思。Xiyuan Chen:写作——审阅与编辑,研究。Wangning Shangguan:写作——审阅与编辑,方法学。Xinyi Tian:写作——审阅与编辑,写作——致谢
我要感谢ChatGPT在Proofreading和润色本文语言方面提供的帮助。尽管该工具在提高文本清晰度和流畅性方面提供了宝贵的支持,但本文中的研究、分析和结论完全是作者的工作成果。
资金支持
本研究得到了中国国家重点研发计划(编号2022YFC2504404)、浙江省“健兵领鹅+”研发计划(编号2024C03188)以及国家……的支持。