MétaCan
Menu
Retour à la cohorte
Enregistrement W4408328642 · doi:10.1038/s41598-025-91873-5

A synthetic model of bioinspired liposomes to study cancer-cell derived extracellular vesicles and their uptake by recipient cells

2025· article· en· W4408328642 sur OpenAlexafffund
Rubén R. López, Chaymaa Zouggari Ben El Khyat, Yunxi Chen, Thupten Tsering, Kyle Dickinson, Prisca Bustamante, Armen Erzingatzian, Alexandra Bartolomucci, Sarah Tadhg Ferrier, Noélie Douanne, Cathérine Mounier, Ion Stiharu, Vahé Nerguizian, Julia V. Burnier

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensUniversité du Québec à MontréalMcGill UniversityConcordia UniversityÉcole de Technologie SupérieureMcGill University Health Centre
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchFonds de Recherche du Québec - SantéKhalifa University of Science, Technology and ResearchMcGill University Health Centre
Mots-clésLiposomeExtracellular vesiclesVesicleCell biologyCancer cellExtracellularMicrovesiclesCellChemistryCancerBiologyComputational biologyBiophysicsCancer researchBiochemistryGeneMembranemicroRNAGenetics

Résumé

récupéré en direct d'OpenAlex

Extracellular vesicles (EVs) are secreted by most cell types and play a central role in cell-cell communication. These naturally occurring nanoparticles have been particularly implicated in cancer, but EV heterogeneity and lengthy isolation methods with low yield make them difficult to study. To circumvent the challenges in EV research, we aimed to develop a unique synthetic model by engineering bioinspired liposomes to study EV properties and their impact on cellular uptake. We produced EV-like liposomes mimicking the physicochemical properties as cancer EVs. First, using a panel of cancer and non-cancer cell lines, small EVs were isolated by ultracentrifugation and characterized by dynamic light scattering (DLS) and nanoparticle tracking analysis (NTA). Cancer EVs ranged in mean size from 107.9 to 161 nm by NTA, hydrodynamic diameter from 152 to 355 nm by DLS, with a zeta potential ranging from − 25 to -6 mV. EV markers TSG101 and CD81 were positive on all EVs. Using a microfluidics bottom-up approach, liposomes were produced using the nanoprecipitation method adapted to micromixers developed by our group. A library of liposome formulations was created that mimicked the ranges of size (90–222 nm) and zeta potential (anionic [-47 mV] to neutral [-1 mV]) at a production throughput of up to 41 mL/h and yielding a concentration of 1 × 10 12 particles per mL. EV size and zeta potential were reproduced by controlling the flow conditions and lipid composition set by a statistical model based on the response surface methodology. The model was fairly accurate with an R-squared > 70% for both parameters between the targeted EV and the obtained liposomes. Finally, the internalization of fluorescently labeled EV-like liposomes was assessed by confocal microscopy and flow cytometry, and correlated with decreasing liposome size and less negative zeta potential, providing insights into the effects of key EV physicochemical properties. Our data demonstrated that liposomes can be used as a powerful synthetic model of EVs. By mimicking cancer cell-derived EV properties, the effects on cellular internalization can be assessed individually and in combination. Taken together, we present a novel system that can accelerate research on the effects of EVs in cancer models.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetExtracellular vesicles in diseaseTravaux en français237 207