MétaCan
Menu
Retour à la cohorte
Enregistrement W3121126420 · doi:10.1002/jev2.12052

Measuring particle concentration of multimodal synthetic reference materials and extracellular vesicles with orthogonal techniques: Who is up to the challenge?

2021· article· en· W3121126420 sur OpenAlexaff
Robert Vogel, John R. K. Savage, Julien Muzard, Giacomo Della Camera, Gabriele Vella, Alice Law, Marianne Marchioni, Dóra Méhn, Otmar Geiss, Ben Peacock, Dimitri Aubert, Luigi Calzolai, Fanny Caputo, Adriele Prina‐Mello

Notice bibliographique

RevueJournal of Extracellular Vesicles · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensTrinity College
Organismes subventionnairesH2020 Excellent ScienceHorizon 2020 Framework ProgrammeHORIZON EUROPE Excellent ScienceScience Foundation Ireland
Mots-clésNanoparticle tracking analysisDynamic light scatteringCharacterization (materials science)Biological systemMaterials scienceSizingField flow fractionationExtracellular vesiclesPolystyreneParticle (ecology)ReproducibilityComputer scienceNanotechnologyNanoparticleChromatographyChemistryFractionationPolymerMicrovesicles

Résumé

récupéré en direct d'OpenAlex

The measurement of physicochemical properties of polydisperse complex biological samples, for example, extracellular vesicles, is critical to assess their quality, for example, resulting from their production and isolation methods. The community is gradually becoming aware of the need to combine multiple orthogonal techniques to perform a robust characterization of complex biological samples. Three pillars of critical quality attribute characterization of EVs are sizing, concentration measurement and phenotyping. The repeatable measurement of vesicle concentration is one of the key-challenges that requires further efforts, in order to obtain comparable results by using different techniques and assure reproducibility. In this study, the performance of measuring the concentration of particles in the size range of 50-300 nm with complementary techniques is thoroughly investigated in a step-by step approach of incremental complexity. The six applied techniques include multi-angle dynamic light scattering (MADLS), asymmetric flow field flow fractionation coupled with multi-angle light scattering (AF4-MALS), centrifugal liquid sedimentation (CLS), nanoparticle tracking analysis (NTA), tunable resistive pulse sensing (TRPS), and high-sensitivity nano flow cytometry (nFCM). To achieve comparability, monomodal samples and complex polystyrene mixtures were used as particles of metrological interest, in order to check the suitability of each technique in the size and concentration range of interest, and to develop reliable post-processing data protocols for the analysis. Subsequent complexity was introduced by testing liposomes as validation of the developed approaches with a known sample of physicochemical properties closer to EVs. Finally, the vesicles in EV containing plasma samples were analysed with all the tested techniques. The results presented here aim to shed some light into the requirements for the complex characterization of biological samples, as this is a critical need for quality assurance by the EV and regulatory community. Such efforts go with the view to contribute to both, set-up reproducible and reliable characterization protocols, and comply with the Minimal Information for Studies of Extracellular Vesicles (MISEV) requirements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,252
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations131
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Extracellular VesiclesMême sujetExtracellular vesicles in diseaseTravaux en français237 207