A multiparametric extraction method for Vn96-isolated plasma extracellular vesicles and cell-free DNA that enables multi-omic profiling
Notice bibliographique
Résumé
Extracellular vesicles (EVs) have been recognized as a rich material for the analysis of DNA, RNA, and protein biomarkers. A remaining challenge for the deployment of EV-based diagnostic and prognostic assays in liquid biopsy testing is the development of an EV isolation method that is amenable to a clinical diagnostic lab setting and is compatible with multiple types of biomarker analyses. We have previously designed a synthetic peptide, known as Vn96 (ME kit), which efficiently isolates EVs from multiple biofluids in a short timeframe without the use of specialized lab equipment. Moreover, it has recently been shown that Vn96 also facilitates the co-isolation of cell-free DNA (cfDNA) along with EVs. Herein we describe an optimized method for Vn96 affinity-based EV and cfDNA isolation from plasma samples and have developed a multiparametric extraction protocol for the sequential isolation of DNA, RNA, and protein from the same plasma EV and cfDNA sample. We are able to isolate sufficient material by the multiparametric extraction protocol for use in downstream analyses, including ddPCR (DNA) and 'omic profiling by both small RNA sequencing (RNA) and mass spectrometry (protein), from a minimum volume (4 mL) of plasma. This multiparametric extraction protocol should improve the ability to analyse multiple biomarker materials (DNA, RNA and protein) from the same limited starting material, which may improve the sensitivity and specificity of liquid biopsy tests that exploit EV-based and cfDNA biomarkers for disease detection and monitoring.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».