MétaCan
Menu
Retour à la cohorte
Enregistrement W4416738418 · doi:10.1111/jnc.70309

Lipidomic Signatures in Microglial Extracellular Vesicles During Acute Inflammation: A Gateway to Neurological Biomarkers

2025· article· en· W4416738418 sur OpenAlexafffund
Nikita Ollen‐Bittle, Wenxuan Wang, Kimberly M. Bean, Shuang Zhao, Adriana Zardini Buzatto, Yifei Dong, Liang Li, Shawn N. Whitehead

Notice bibliographique

RevueJournal of Neurochemistry · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensUniversity of SaskatchewanUniversity of AlbertaThe Metabolomics Innovation CentreWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésMicrogliaExtracellular vesiclesMicrovesiclesLipidomicsCell typeVesicleFunction (biology)ExtracellularCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Extracellular vesicles (EVs) are membrane-bound vesicles released from all cells throughout the body, including the central nervous system, and are known to carry both membrane-bound proteins and cargo reflective of their cell of origin. EVs show promise as neurological disease biomarkers due to their molecular makeup reflecting their parent-cell composition signature and due to their ability to cross the blood-brain barrier. To date, the vast majority of research in this field has explored the protein profiles of EVs; however, lipids play an important role not only in the formation of EVs, but also in mediating cellular function and the pathological progression of many neurodegenerative conditions. Herein, we take a critical first step in determining the potential utility of EV lipids as biomarkers in neurological disease. In vitro we exposed BV-2 microglia to either control media or media containing lipopolysaccharides (LPS), a known pro-inflammatory stimulus, for 24 h then isolated both the cells and their EVs and performed LC-MS/MS. For the first time, we reveal distinct lipidomic changes can differentiate resting versus pro-inflammatory microglia and their EVs, while distinct lipids are preserved between EVs and their parent cell. Moreover, we add to current literature by demonstrating acute pro-inflammatory activation of microglia results in the activation and suppression of distinct lipidomic pathways. Finally, we demonstrate that analysis of lipid-based relationships between parent cells and their EVs may be a useful tool to infer cellular function. This study is the first of its kind to demonstrate that lipidomic analysis can not only differentiate the functional state of cells in vitro but can also differentiate their EVs. We lay the first brick in a foundation to support future research into EV lipids as novel and exciting biomarker candidates in neurological disease.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,239
Écart entre enseignants0,235 · 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'étudeExpérimental (laboratoire)
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeurochemistryMême sujetExtracellular vesicles in diseaseTravaux en français237 207