In-Cell Labeling Coupled to Direct Analysis of Extracellular Vesicles in the Conditioned Medium to Study Extracellular Vesicles Secretion with Minimum Sample Processing and Particle Loss
Notice bibliographique
Résumé
Extracellular vesicles (EVs) are involved in a multitude of physiological functions and play important roles in health and disease. The largest proportion of studies on EVs is based on the analysis and characterization of EVs secreted in the cell culture medium. These studies remain challenging due to the small size of the EV particles, a lack of universal EV markers, and sample loss or technical artifacts that are often associated with EV labeling for single particle tracking and/or separation techniques. To address these problems, we characterized and validated a method for in-cell EV labeling with fluorescent lipids coupled with direct analysis of lipid-labeled EVs in the conditioned medium by imaging flow cytometry (IFC). This approach significantly reduces sample processing and loss compared to established methods for EV separation and labeling in vitro, resulting in improved detection of quantitative changes in EV secretion and subpopulations compared to protocols that rely on EV separation by size-exclusion chromatography and ultracentrifugation. Our optimized protocol for in-cell EV labeling and analysis of the conditioned medium reduces EV sample processing and loss, and is well-suited for cell biology studies that focus on modulation of EV secretion by cells in culture.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».