纳米成像和基于纳米流的超细胞囊泡检测在单个粒子分辨率的比较
Shihan Xu1, Zhengrong Zhang1, Bridgette C Melvin1
1Department of Neuroscience Mayo Clinic Florida Jacksonville Florida USA.
Journal of extracellular biology
|October 17, 2024
概括
使用NanoImager和Flow NanoAnalyzer进行单个细胞外囊泡 (EV) 的表征,揭示了平台特定的变异. 优化样本准备和应用对抗体总量进行校正的机器学习,改善用于疾病检测的EV量化.
科学领域:
- 生物技术是生物技术.
- 纳米技术 纳米技术
- 生物医学工程 生物医学工程
背景情况:
- 单细胞外囊泡 (EV) 特性对于早期疾病检测至关重要,但由于不同的协议和仪器,在数据解释方面面临挑战.
- 标准化EV样本准备和分析方法对于可靠的单个EV研究至关重要.
研究的目的:
- 使用两个不同的单个EV分析技术,优化EV样本准备和分析方法,以测定单个四松胺分子的阳性.
- 为了比较NanoImager (基于dSTORM) 和Flow NanoAnalyzer (基于流量) 的性能,用于EV的表征和量化.
主要方法:
- 使用NanoImager和Flow NanoAnalyzer对单个CD9+,CD81+和CD9+/CD81+ EVs进行表征.
- 优化抗体标记,样品制备 (稀释,分化) 和分析方法.
- 应用lognormal配件和机器学习模型来识别和删除抗体聚合物的错误阳性.
主要成果:
- 来自抗体聚合物的错误阳性被使用NanoImager识别,并使用粒子大小分布的逻辑正常拟合进行校正.
- 机器学习模型成功地将抗体聚合物与EV区分开来,从而提高了CD9+/CD81+EV群体的量化.
- 不同的EV样本准备方法用于Flow NanoAnalyzer增加了CD9+/CD81+ EVs的检测率.
- 在NanoImager和Flow NanoAnalyzer之间观察到拉斯巴宁阳性百分比的差异,可能是由于仪器检测极限.
结论:
- 单个EV特征为四素阳性在NanoImager和Flow NanoAnalyzer平台之间有所不同,受样本准备后抗体标记的影响.
- 机器学习和尺寸分布分析在基于成像的EV分析中有效纠正假阳性.
- 准备和分析EV样本的标准化对于准确的EV量化和可靠的疾病生物标志物发现至关重要.
