MoS<sub>2</sub>-Plasmonic Nanocavities for Raman Spectra of Single Extracellular Vesicles Reveal Molecular Progression in Glioblastoma
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Extracellular vesicles (EVs) are continually released from cancer cells into biofluids, carrying actionable molecular fingerprints of the underlying disease with considerable diagnostic and therapeutic potential. The scarcity, heterogeneity and intrinsic complexity of tumor EVs present a major technological challenge in real-time monitoring of complex cancers such as glioblastoma (GBM). Surface-enhanced Raman spectroscopy (SERS) outputs a label-free spectroscopic fingerprint for EV molecular profiling. However, it has not been exploited to detect known biomarkers at the single EV level. We developed a multiplex fluidic device with embedded arrayed nanocavity microchips (MoSERS microchip) that achieves 97% confinement of single EVs in a minute amount of fluid (<10 μL) and enables molecular profiling of single EVs with SERS. The nanocavity arrays combine two featuring characteristics: (1) An embedded MoS 2 monolayer that enables label-free isolation and nanoconfinement of single EVs due to physical interaction (Coulomb and van der Waals) between the MoS 2 edge sites and the lipid bilayer; and (2) A layered plasmonic cavity that enables sufficient electromagnetic field enhancement inside the cavities to obtain a single EV level signal resolution for stratifying the molecular alterations. We used the GBM paradigm to demonstrate the diagnostic potential of the SERS single EV molecular profiling approach. The MoSERS multiplexing fluidic achieves parallel signal acquisition of glioma molecular variants (EGFRvIII oncogenic mutation and MGMT expression) in GBM cells. The detection limit of 1.23% was found for stratifying these key molecular variants in the wild-type population. When interfaced with a convolutional neural network (CNN), MoSERS improved diagnostic accuracy (87%) with which GBM mutations were detected in 12 patient blood samples, on par with clinical pathology tests. Thus, MoSERS demonstrates the potential for molecular stratification of cancer patients using circulating EVs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».