Size photometry and fluorescence imaging of immobilized immersed extracellular vesicles
Notice bibliographique
Résumé
Abstract Immunofluorescence analysis of individual extracellular vesicles (EVs) in common fluorescence microscopes is gaining popularity due to its accessibility and high fluorescence sensitivity; however, EV number and size are only measurable using fluorescent stains requiring extensive sample manipulations. Here we introduce highly sensitive label‐free EV size photometry (SP) based on interferometric scattering (iSCAT) imaging of immersed EVs immobilized on a glass coverslip. We implement SP on a common inverted epifluorescence microscope with LED illumination and a simple 50:50 beamsplitter, permitting seamless integration of SP with fluorescence imaging (SPFI). We present a high‐throughput SPFI workflow recording >10,000 EVs in 7 min over ten 88 × 88 µm 2 fields of view, pre‐ and post‐incubation imaging to suppress background, along with automated image alignment, aberration correction, spot detection and EV sizing. We achieve an EV sizing range from 37 to ∼220 nm in diameter with a dual 440 and 740 nm SP illumination scheme, and suggest that this range can be extended by more advanced image analysis or additional hardware customization. We benchmark SP to flow cytometry using calibrated silica nanoparticles and demonstrate superior, label‐free sensitivity. We showcase SPFI's potential for EV analysis by experimentally distinguishing surface and volumetric EV dyes, observing the deformation of EVs adsorbed to a surface, and by uncovering distinct subpopulations in <100 nm‐in‐diameter EVs with fluorescently tagged membrane proteins.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».