Extracellular Vesicles: Cell-Derived Biomarkers of Glomerular and Tubular Injury
Notice bibliographique
Résumé
Extracellular vesicles (EVs) are important mediators of intercellular communication. Since EVs are also released during pathological conditions, there has been considerable interest in their potential as sensitive biomarkers of cellular stress and/or injury. In the context of kidney disease, urinary EVs are promising indicators of glomerular and tubular damage. In the present review we discuss the role of urinary EVs in kidney health and disease. Our focus is to explore urinary large EVs (lEVs, often referred to as microparticles or microvesicles) as direct and noninvasive early biomarkers of renal injury. In this regard, studies have been demonstrating altered levels of urinary lEVs, especially podocyte-derived lEVs, preceding the decrease of renal function assessed by classical markers. In addition, we discuss the role of small EVs (sEVs, often referred to as exosomes) and their contents in kidney pathophysiology. Even though results concerning the production of sEVs during diseased conditions are varied, there has been a consensus on the importance of urinary sEV content assessment in kidney disease. These mediators, including EV-released miRNAs and mRNAs, are responsible for EV-mediated signaling in the regulation of renal cellular homeostasis, pathogenesis and regeneration. Finally, steps necessary for the validation of EVs as reliable markers will be discussed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».