Caracterização do perfil da resposta inflamatória no tecido adiposo perivascular associada à doença arterial coronariana: um estudo de autópsia

Resumo

Introdução: A doença arterial coronariana (DAC) é a principal causa de morbimortalidade no mundo. Num estudo prévio, encontramos uma correlação entre o número de macrófagos no tecido adiposo perivascular (TAP) e o aumento da porcentagem de obstrução na placa aterosclerótica coronariana, e uma associação entre linfócitos B e placas instáveis. Entretanto, é necessário caracterizar o perfil da resposta inflamatória no TAP associada à DAC. A análise da polarização dos macrófagos foi realizada em poucos estudos com amostras cirúrgicas, que podem desencadear um processo inflamatório. Além disso, as principais linhagens de linfócitos T e B no TAP em humanos ainda não foram pesquisadas. Objetivo: Investigar a associação entre o perfil da resposta inflamatória no TAP periplaca adjacente à placa de aterosclerose em artérias coronárias, e comparar o perfil desta resposta inflamatória com TAP adjacente à artéria coronária sem aterosclerose (TAP distal) utilizando material de autópsia. Método: Este estudo transversal será conduzido em amostras de 82 participantes previamente obtidas no Serviço de Verificação de Óbitos da Capital da Universidade de São Paulo. As artérias coronárias foram dissecadas a fresco, fixadas em paraformaldeído a 4% e analisadas microscopicamente com medidas morfométricas. As placas de ateroma foram classificadas quanto à instabilidade de acordo com os critérios definidos pela American Heart Association. As amostras de TAP periplaca e distal serão submetidas à técnica de imunoistoquímica para a identificação dos macrófagos polarizados M1 (CD11c+) e M2 (CD206+), e duplas-marcações para identificar linfócitos Th1 (CD4+CD183+), Tregs (CD4+FoxP3+), B1 (CD20+CD43+) e B2 (CD20+CD43-). As lâminas serão digitalizadas e as células serão quantificadas em 20 campos aleatórios distribuídos sistematicamente. As células inflamatórias serão comparadas entre os grupos através de regressão linear ajustada para possíveis fatores de confusão.