MétaCan
Menu
Retour à la cohorte
Enregistrement W4231984125 · doi:10.20944/preprints202007.0485.v1

A Review of Exosomal Isolation Methods: Is Size Exclusion Chromatography the Best Option?

2020· review· en· W4231984125 sur OpenAlexaff
Karim Sidhom, Ayesha Saleem

Notice bibliographique

RevuePreprints.org · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensUniversity of ManitobaChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMicrovesiclesExtracellular vesiclesUltrafiltration (renal)VesicleExosomeSize-exclusion chromatographyUltracentrifugeIsolation (microbiology)Nanoparticle tracking analysisChemistryCell biologyComputational biologyEthylene glycolLysisChromatographyBiologyMembraneBiochemistryBioinformaticsmicroRNAEnzyme

Résumé

récupéré en direct d'OpenAlex

Extracellular vesicles (EVs) are membranous vesicles secreted by both prokaryotic and eukaryotic cells and play a vital role in intercellular communication. EVs are classified into several subtypes based on their origin, physical characteristics, and biomolecular makeup. Exosomes, a subtype of EVs, are released by the fusion of multivesicular bodies (MVB) with the plasma membrane of the cell. Several methods have been described in literature to isolate exosomes from biofluids including blood, urine, milk, and cell culture media among others. While differential ultracentrifugation (dUC), has been widely used to isolate exosomes, other techniques including ultrafiltration, precipitating agents such as poly-ethylene glycol (PEG), immunoaffinity capture, microfluidics and size exclusion chromatography (SEC) have emerged as credible alternatives with pros and cons associated with each. In this review, we provide a summary of commonly used exosomal isolation methodologies with a focus on SEC as an ideal methodology. We argue that exosomes isolated via SEC are relatively pure and functional, and that this methodology is reproducible and scalable, of low-cost, and does not require specialized equipment or user expertise.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,101
Tête enseignante GPT0,423
Écart entre enseignants0,321 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations35
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetExtracellular vesicles in diseaseTravaux en français237 207