MétaCan
Menu
Retour à la cohorte
Enregistrement W3133304337 · doi:10.1039/d0na00676a

Isolation and characterization of extracellular vesicles for clinical applications in cancer – time for standardization?

2021· review· en· W3133304337 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueNanoscale Advances · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensVancouver Biotech (Canada)University of British Columbia
Organismes subventionnairesCongressionally Directed Medical Research ProgramsMichael Smith Health Research BCNatural Sciences and Engineering Research Council of CanadaU.S. Department of Defense
Mots-clésExtracellular vesiclesIsolation (microbiology)CancerStandardizationCancer therapyNanotechnologyBiologyMedicineBioinformaticsComputer scienceCell biologyMaterials scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

. An important physiological role of EVs is cell-cell communication. EVs interact with, and deliver, their contents to recipient cells in a functional capacity; this makes EVs desirable vehicles for the delivery of therapeutic cargoes. In addition, as EVs contain proteins, lipids, glycans, and nucleic acids that reflect their cell of origin, their potential utility in disease diagnosis and prognostication is of great interest. The number of published studies analyzing EVs and their contents in the pre-clinical and clinical setting is rapidly expanding. However, there is little standardization as to what techniques should be used to isolate, purify and characterize EVs. Here we provide a comprehensive literature review encompassing the use of EVs as diagnostic and prognostic biomarkers in cancer. We also detail their use as therapeutic delivery vehicles to treat cancer in pre-clinical and clinical settings and assess the EV isolation and characterization strategies currently being employed. Our report details diverse isolation strategies which are often dependent upon multiple factors such as biofluid type, sample volume, and desired purity of EVs. As isolation strategies vary greatly between studies, thorough EV characterization would be of great importance. However, to date, EV characterization in pre-clinical and clinical studies is not consistently or routinely adhered to. Standardization of EV characterization so that all studies image EVs, quantitate protein concentration, identify the presence of EV protein markers and contaminants, and measure EV particle size and concentration is suggested. Additionally, the use of RNase, DNase and protease EV membrane protection control experiments is recommended to ensure that the cargo being investigated is truly EV associated. Overall, diverse methodology for EV isolation is advantageous as it can support different sample types and volumes. Nevertheless, EV characterization is crucial and should be performed in a rigorous manor.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,777

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,387
Écart entre enseignants0,358 · 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