An Analysis of Mesenchymal Stem Cell-Derived Extracellular Vesicles for Preclinical Use
Notice bibliographique
Résumé
Mesenchymal stem cell-derived extracellular vesicles (MSC-EVs) can reduce inflammation, promote healing, and improve organ function, thereby providing a potential "cell-free" therapy. Prior to clinical translation, it is critical to synthesize existing evidence on preclinical methods and efficacy. To address these issues, we used gold standard systematic review methodology to consolidate information from all published animal studies investigating MSC-EVs as an intervention. A systematic search of MEDLINE and Embase identified 206 studies. Data were extracted in duplicate for methodology, experimental design, interventional traits, modifications, and outcomes. MSC-EVs were used to treat a variety of diseases and demonstrated benefits in 97% of studies. Adverse effects were reported in only three studies, two demonstrating tumor growth. A quarter of articles modified EVs to enhance efficacy, with 72% leading to markedly improved outcomes as compared to unmodified EVs. However, several key methodological concerns were evident. Only 60% of studies used nomenclature consistent with the size definitions of EVs. Ultracentrifugation (70%) and isolation kits (23%) were the most common isolation techniques with noted differences in yield and purity. EVs were inconsistently dosed by protein (68%) or particle concentration (16%). Two-thirds of studies administered xenogeneic EVs, suggesting immunocompatibility. Less than 25% of studies assessed EV biodistribution. Approaches for determining size, protein markers, and morphology were highly heterogeneous, with only 12 and 4 studies meeting the MISEV 2014 and 2018 recommendations, respectively. Knowledge gaps identified from this systematic review highlight important opportunities to improve preclinical design and methodology in the rapidly growing field of EV therapeutics.
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 | 0,031 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,012 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».