MétaCan
Menu
Retour à la cohorte
Enregistrement W4304118523 · doi:10.1002/jev2.12220

Contaminating transfection complexes can masquerade as small extracellular vesicles and impair their delivery of RNA

2022· article· en· W4304118523 sur OpenAlexaff
Jenna L. McCann, Carmen Daniela Sosa‐Miranda, Hui‐Shan Guo, Ryan Reshke, Alexandre Savard, Adriana Zardini Buzatto, James A. Taylor, Liang Li, Derrick Gibbings

Notice bibliographique

RevueJournal of Extracellular Vesicles · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensThe Metabolomics Innovation CentreUniversity of AlbertaUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTransfectionEndosomeSmall interfering RNAMicrovesiclesRNAExtracellularMolecular biologyCell biologyBiologyGene deliveryNucleic acidCytoplasmRNA interferenceChemistryBiochemistryIntracellularmicroRNAGene

Résumé

récupéré en direct d'OpenAlex

One of the functions of small extracellular vesicles (sEVs) which has received the most attention is their capacity to deliver RNA into the cytoplasm of target cells. These studies have often been performed by transfecting RNAs into sEV-producing cells, to later purify and study sEV delivery of RNA. Transfection complexes and other delivery vehicles accumulate in late endosomes where sEV are formed and over 50% of transfection complexes or delivery vehicles administered to cells are released again to the extracellular space by exocytosis. This raises the possibility that transfection complexes could alter sEVs and contaminate sEV preparations. We found that widely used transfection reagents including RNAiMax and INTERFERin accumulated in late endosomes. These transfection complexes had a size similar to sEV and were purified by ultracentrifugation like sEV. Focusing on the lipid-based transfection reagent RNAiMax, we found that preparations of sEV from transfected cells contained lipids from transfection complexes and transfected siRNA was predominantly in particles with the density of transfection complexes, rather than sEV. This suggests that transfection complexes, such as lipid-based RNAiMax, may frequently contaminate sEV preparations and could account for some reports of sEV-mediated delivery of nucleic acids. Transfection of cells also impaired the capacity of sEVs to deliver stably-expressed siRNAs, suggesting that transfection of cells may alter sEVs and prevent the study of their endogenous capacity to deliver RNA to target cells.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,224
Écart entre enseignants0,212 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Extracellular VesiclesMême sujetExtracellular vesicles in diseaseTravaux en français237 207