Isolation of Extracellular Vesicles from Minimal Volume Ascites Fluid Using Strong Anion Exchange Beads
Notice bibliographique
Résumé
Ovarian cancer (OC) remains a leading cause of gynecologic cancer mortality due to late-stage diagnosis and limited early detection strategies. Ascites fluid, a pathological hallmark of OC, is a rich source of tumor-derived extracellular vesicles (EVs) that reflect the tumor microenvironment and hold promise for biomarker discovery. However, isolating EVs from minimal ascites volumes (<100 µL) poses technical challenges using conventional methods like ultracentrifugation or size-exclusion chromatography (SEC). This study explores the application of strong anion exchange (SAX) magnetic beads (Mag-Net) for efficient EV isolation from as little as 2 µL of ascites fluid from both murine models and a human patient with mucinous borderline tumor. We demonstrate that SAX achieves robust EV capture at 10µl of input volume, enabling comprehensive proteomic profiling and single-EV surface-enhanced Raman spectroscopy (SERS) with a >2-fold increase in proteomic depth compared to raw ascites. Notably, this study was able to identify 1000 proteins not previously annotated in Vesiclepedia for OC-derived EVs, alongside distinct SERS signatures, highlighting the potential for multiomic analysis. Comparative analysis with UC revealed enhanced proteomic depth obtained with SAX beads, albeit we also observed differential detection of canonical markers (e.g., CD9, CD81) between input volumes of ascites fluid. These findings establish SAX as a scalable, low-input platform for EV-based biomarker discovery, paving the way for improved early detection and molecular insights into OC progression.
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 | 0,000 |
| 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) | 0,000 | 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 ».