Considerations towards a roadmap for collection, handling and storage of blood extracellular vesicles
Notice bibliographique
Résumé
There is an increasing interest in exploring clinically relevant information that is present in body fluids, and extracellular vesicles (EVs) are intrinsic components of body fluids ("liquid biopsies"). In this report, we will focus on blood. Blood contains not only EVs but also cells, and non-EV particles including lipoproteins. Due to the high concentration of soluble proteins and lipoproteins, blood, plasma and serum have a high viscosity and density, which hampers the concentration, isolation and detection of EVs. Because most if not all studies on EVs are single-centre studies, their clinical relevance remains limited. Therefore, there is an urgent need to improve standardization and reproducibility of EV research. As a first step, the International Society on Extracellular Vesicles organized a biomarker workshop in Birmingham (UK) in November 2017, and during that workshop several working groups were created to focus on a particular body fluid. This report is the first output of the blood EV work group and is based on responses by work group members to a questionnaire in order to discover the contours of a roadmap. From the answers it is clear that most respondents are in favour of evidence-based research, education, quality control procedures, and physical models to improve our understanding and comparison of concentration, isolation and detection methods. Since blood is such a complex body fluid, we assume that the outcome of the survey may also be valuable for exploring body fluids other than blood.
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 | 0,115 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,017 | 0,019 |
| Science ouverte | 0,009 | 0,011 |
| Intégrité de la recherche | 0,016 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,012 |
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 ».