Critical considerations in determining the surface charge of small extracellular vesicles
Notice bibliographique
Résumé
Small extracellular vesicles (EVs) have emerged as a focal point of EV research due to their significant role in a wide range of physiological and pathological processes within living systems. However, uncertainties about the nature of these vesicles have added considerable complexity to the already difficult task of developing EV-based diagnostics and therapeutics. Whereas small EVs have been shown to be negatively charged, their surface charge has not yet been properly quantified. This gap in knowledge has made it challenging to fully understand the nature of these particles and the way they interact with one another, and with other biological structures like cells. Most published studies have evaluated EV charge by focusing on zeta potential calculated using classical theoretical approaches. However, these approaches tend to underestimate zeta potential at the nanoscale. Moreover, zeta potential alone cannot provide a complete picture of the electrical properties of small EVs since it ignores the effect of ions that bind tightly to the surface of these particles. The absence of validated methods to accurately estimate the actual surface charge (electrical valence) and determine the zeta potential of EVs is a significant knowledge gap, as it limits the development of effective label-free methods for EV isolation and detection. In this study, for the first time, we show how the electrical charge of small EVs can be more accurately determined by accounting for the impact of tightly bound ions. This was accomplished by measuring the electrophoretic mobility of EVs, and then analytically correlating the measured values to their charge in the form of zeta potential and electrical valence. In contrast to the currently used theoretical expressions, the employed analytical method in this study enabled a more accurate estimation of EV surface charge, which will facilitate the development of EV-based diagnostic and therapeutic applications.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».