Enhanced Detection of Cancer Biomarkers in Blood-Borne Extracellular Vesicles Using Nanodroplets and Focused Ultrasound
Notice bibliographique
Résumé
The feasibility of personalized medicine approaches will be greatly improved by the development of noninvasive methods to interrogate tumor biology. Extracellular vesicles shed by solid tumors into the bloodstream have been under recent investigation as a source of tumor-derived biomarkers such as proteins and nucleic acids. We report here an approach using submicrometer perfluorobutane nanodroplets and focused ultrasound to enhance the release of extracellular vesicles from specific locations in tumors into the blood. The released extracellular vesicles were enumerated and characterized using micro flow cytometry. Only in the presence of nanodroplets could ultrasound release appreciable levels of tumor-derived vesicles into the blood. Sonication of HT1080-GFP tumors did not increase the number of circulating tumor cells or the metastatic burden in the tumor-bearing embryos. A variety of biological molecules were successfully detected in tumor-derived extracellular vesicles, including cancer-associated proteins, mRNAs, and miRNAs. Sonication of xenograft HT1080 fibrosarcoma tumors released extracellular vesicles that contained detectable RAC1 mRNA with the highly tumorigenic N92I mutation known to exist in HT1080 cells. Deep sequencing serum samples of embryos with sonicated tumors allowed the identification of an additional 13 known heterozygous mutations in HT1080 cells. Applying ultrasound to HT1080 tumors increased tumor-derived DNA in the serum by two orders of magnitude. This work is the first demonstration of enhanced extracellular vesicle release by ultrasound stimulation and suggests that nanodroplets/ultrasound offers promise for genetic profiling of tumor phenotype and aggressiveness by stimulating the release of extracellular vesicles. Cancer Res; 77(1); 3-13. ©2016 AACR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».