周期性酸-希夫(PAS)染色:原理、程序和应用

周期性酸-希夫(PAS)染色技术是一种显示碳水化合物和真菌细胞壁成分的染色技术。PAS可以检测组织中糖原、多糖和粘蛋白的存在,无论是福尔马林固定、石蜡包埋或冷冻组织切片。PAS在实验室进行组织学研究。

周期性酸性希夫(PAS)染色原理

染料的周期酸在氧化过程中与碳水化合物反应。在此过程中,多糖与周期性酸反应形成氧化化合物-醛。现在,醛和希夫试剂反应,得到紫红色。同样,粉红色的外观表明存在细胞内或细胞外粘蛋白。相反,使用苏木精或甲基绿作为反染色剂有助于染色细胞核。同样,浅绿色的反染剂是更好的显示真菌有机体。

溶液和试剂

0.5%周期酸溶液

  • 周期性酸结晶-0.5 g
  • 蒸馏水100毫升

将0.5 g周期酸晶体混合在100毫升蒸馏水中制备0.5%周期酸溶液。

品红试剂

5克碱性品红溶于900毫升开水中。冷却至50°C后,向混合物中加入100毫升1M HCl。再加10g K2年代2O5一旦混合物冷却到25°C。完全混合后,摇3分钟,在暗室中孵育24小时。

孵育后,在混合物中加入5克活性炭。然后摇3分钟,过滤。如果溶液不是晶莹剔透的,就必须对溶液进行再过滤和再处理。将溶液保存在4°C的锡纸盖瓶中。如果储存得当,适合使用2-3周。

用于检测制备的希夫试剂的纯度:

向烧杯中倒入10毫升10%的福尔马林,然后加入几滴准备好的希夫试剂。那么颜色的变化被解释为

  • 红紫色表示它是一种很好的希夫试剂。
  • 深蓝紫色表示希夫试剂差(反应延迟)。

迈耶的苏木精

  • 硫酸铝钾(明矾)- 50克
  • 蒸馏水- 1000毫升
  • 苏木精- 1克
  • 碘酸钠- 0.2克
  • 冰醋酸- 20毫升

将明矾溶解在蒸馏水中。待明矾完全溶解后加入苏木精。待苏木精完全溶解后,加入碘酸钠和乙酸。然后煮沸并冷却。

定期酸-希夫(PAS)染色程序

  1. 首先用蒸馏水清洗组织切片,去除石蜡。
  2. 然后,将组织置于0.5%的周期性酸性溶液中5分钟。它氧化组织。
  3. 之后,用蒸馏水适当冲洗组织。
  4. 然后,用希夫试剂覆盖5-15分钟,变成浅粉色。
  5. 之后,用温水清洗污渍5分钟,它会变成深粉色。
  6. 然后用梅耶尔苏木精反染色1分钟。
  7. 之后,用自来水冲洗5分钟,然后用蒸馏水冲洗。
  8. 最后,将载玻片脱水,放置盖玻片并使用合成安装介质安装。

周期性酸-希夫(PAS)染色结果解释

  1. 糖原,黏蛋白和一些基底膜-红/紫
  2. Fungi-Red /紫色
  3. Background-Blue
肝糖原储存障碍肝活检PAS阳性

周期性酸-希夫(PAS)染色的应用

  • 周期性酸-希夫(PAS)染色用于检测肝脏中的糖原沉积。这个测试是有用的,当一个人怀疑糖原储存疾病。

糖原储存病(GSD)是一种遗传性疾病,患者身体不能产生酶将复杂的糖原分解成更简单的形式。它会影响身体的不同部位,如肝脏、肌肉等。

  • 它显示了膀胱、肾脏、卵巢、胰腺和肺肿瘤中的糖原颗粒。
  • 它被用来观察存在于身体各个组织中的基底膜。同样,PAS显示肾小球基底膜的厚度,用于检测肾组织异常。
  • PAS染色用于腺癌(腺癌)的诊断。
  • 不确定白色念珠菌来自烟曲霉属真菌,新型隐球菌组织样本中的感染。
  • PAS染色可检测胃肠道中性黏蛋白和部分上皮黏蛋白。
  • PAS可用于研究肺泡蛋白沉积症的无定形或颗粒状小球。

肺泡蛋白沉积症是一种罕见的疾病,它会导致肺部的气囊被表面活性剂堵塞。

  • PAS用于研究皮肤的嗜酸性球状体或卡米诺体。

参考文献

  1. (IHC World, 2011)。(2011)。PAS(周期性酸性希夫)染色方案。包含IHC世界http://www.ihcworld.com/_protocols/special_stains/pas.htm
  2. 染色,定期酸性希夫试验-试验结果,正常范围,成本和更多.Lybrate。(2022)。检索2022年6月21日,从https://www.lybrate.com/lab-test/stain-periodic-acid-schiff
  3. (2022)。检索2022年6月21日,从https://www.labce.com/spg949466_periodic_acid_schiff_pas_diagnostic_applications.aspx

Sushmita Baniya

大家好,我是来自尼泊尔的Sushmita Baniya。我是医学微生物学硕士研究生。我对遗传学和分子生物学感兴趣。金宝搏beat亚洲体育真人荷官

留下回复

你的电邮地址将不会公布。必填字段已标记

这个网站使用Akismet来减少垃圾邮件。了解如何处理您的评论数据

最近的帖子

Baidu