A Comparison of Blood Plasma Exosome Enrichment Strategies for Proteomic Analysis
Notice bibliographique
Résumé
Abstract Proteomic analysis of exosomes (EX) poses a significant challenge. A ‘gold-standard’ method for plasma EX enrichment for downstream proteomic analysis is yet to be established. Our group has performed a comprehensive study of multi-dimensional enrichment methods to determine their efficiency for protein isolation. Methods were evaluated for their capacity to a) successfully isolate and enrich EX from blood plasma, b) minimise the presence of highly abundant plasma proteins, and c) result in the optimum representation of EX proteins by liquid chromatography tandem mass spectrometry (LC-MS/MS). Blood plasma from four animals (Bos taurus) of similar physical attributes and genetics were used. Three methods of EX enrichment were utilised: ultracentrifugation (UC), size-exclusion chromatography (SEC), and ultrafiltration (UF). These enrichment methods were combined to create four groups for methodological evaluation: UC+SEC, UC+SEC+UF, SEC+UC and SEC+UF. UC+SEC yielded the highest number of protein IDs. Plasma protein identification was the least in SEC+UC, but this method yielded the lowest number of protein IDs overall. UC+SEC+UF decreased EX protein ID and did not improve purity compared to UC+SEC. Our data suggest that the method and sequence of EX enrichment strategy impacts protein ID, which may influence the outcome of biomarker discovery studies.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».