A magneto-activated nanoscale cytometry platform for molecular profiling of small extracellular vesicles
Notice bibliographique
Résumé
Exosomal PD-L1 (exoPD-L1) has recently received significant attention as a biomarker predicting immunotherapeutic responses involving the PD1/PD-L1 pathway. However, current technologies for exosomal analysis rely primarily on bulk measurements that do not consider the heterogeneity found within exosomal subpopulations. Here, we present a nanoscale cytometry platform NanoEPIC, enabling phenotypic sorting and exoPD-L1 profiling from blood plasma. We highlight the efficacy of NanoEPIC in monitoring anti-PD-1 immunotherapy through the interrogation of exoPD-L1. NanoEPIC generates signature exoPD-L1 patterns in responders and non-responders. In mice treated with PD1-targeted immunotherapy, exoPD-L1 is correlated with tumor growth, PD-L1 burden in tumors, and the immune suppression of CD8+ tumor-infiltrating lymphocytes. Small extracellular vesicles (sEVs) with different PD-L1 expression levels display distinctive inhibitory effects on CD8 + T cells. NanoEPIC offers robust, high-throughput profiling of exosomal markers, enabling sEV subpopulation analysis. This platform holds the potential for enhanced cancer screening, personalized treatment, and therapeutic response monitoring.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».