问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

Adv Sci:杨梦甦团队综述细胞外囊泡制备与分析的最新进展

创作时间:
作者:
@小白创作中心

Adv Sci:杨梦甦团队综述细胞外囊泡制备与分析的最新进展

引用
1
来源
1.
https://k.sina.cn/article_5953190035_162d67893019011wmk.html

细胞外囊泡(EV)研究在生命科学领域迅速崛起,因其在疾病诊断、药物递送和治疗中的潜在应用受到广泛关注。然而,EV固有的异质性和复杂性使得其制备、分析以及临床应用面临显著挑战。近期,香港城市大学深圳福田研究院杨梦甦团队在Advanced Science期刊发表了题为《Extracellular Vesicle Preparation and Analysis: A State-of-the-Art Review》的综述论文,系统总结了EV的研究进展和未来方向。

细胞外囊泡(EV)研究在生命科学领域迅速崛起,因其在疾病诊断、药物递送和治疗中的潜在应用受到广泛关注。然而,EV固有的异质性和复杂性使得其制备、分析以及临床应用面临显著挑战。近期,香港城市大学深圳福田研究院杨梦甦团队(博士生王泽圣为第一作者)在Advanced Science期刊发表了题为:Extracellular Vesicle Preparation and Analysis: A State-of-the-Art Review的综述论文。

该文章综述了细胞外囊泡(EV)的发展历史、组成和来源,详细讨论了最新的EV制备和分析技术,重点关注了人工智能和新型电化学传感器的新方法,以及单个EV的分析研究。

EV基本概述

根据MISEV2023指南,细胞外囊泡(EV)被定义为细胞分泌的、由脂质双层包裹且不具备自我复制能力的颗粒。其形成机制复杂,主要分为三种亚型:外泌体、微囊泡和凋亡小体。外泌体通过细胞膜内陷和多泡体(MVB)成熟形成,微囊泡则通过细胞膜外突形成,而凋亡小体在细胞凋亡过程中由细胞膜内陷形成。EV包含多种生物活性分子,包括蛋白质、核酸、脂质和代谢物(图1)。这些分子在细胞间通讯中起着关键作用,并在生理和病理状态下具有重要功能。例如,EVs中的蛋白质包括细胞骨架成分、四跨膜蛋白、膜融合蛋白等,核酸包括mRNA、miRNA等。这些分子的研究不仅有助于理解疾病的发生发展,还能帮助识别早期诊断和预后评估的潜在生物标志物。

图1:两种主要类型的细胞外囊泡(外泌体和微囊泡)生物生成途径概述,以及外泌体的结构示意图

EV的分离制备

有效的EV制备是基础科学研究和临床应用的前提。现有的制备方法包括超速离心、密度梯度离心、尺寸排阻色谱、超滤、聚合物沉淀和免疫磁珠法等,都存在各自的缺陷。近年来,数字微流控、惯性微流控、确定性横向位移阵列、声控和磁控等微流控设计,以及切向流过滤、非对称流场流分离和阴离子交换色谱等新方法进一步扩展了EV的制备方法。同时,最新的纳米技术如纳米颗粒、纳米孔结构、纳米线和纳米DNA水凝胶等(图2),极大地促进了EVs的制备技术的发展。

图2:纳米技术用于EV分离的研究

EV的分析进展

由于EV的纳米级尺寸和低丰度的生物活性成分,导致EVs的分析具有挑战性。现有的分析方法包括透射电子显微镜(TEM)、动态光散射(DLS)、原子力显微镜(AFM)等,这些方法可以评估EV的大小、形态、表面电荷和浓度。此外,生物化学分析方法如蛋白质印迹法(WB)、酶联免疫吸附测定(ELISA)、质谱(MS)等,可以对EV中的蛋白质、核酸、脂质和代谢物进行详细分析。但随着对EV分析的灵敏度和特异性要求越来越高,传统的群体分析方法往往难以解析EV群体中的异质性,从而限制了我们全面理解EV复杂性的能力。因此,单EV分析技术不断被报道,例如纳米流式细胞术、ExoView平台、超分辨荧光成像、SPR技术和单颗粒暗场成像等,这些方法显著推动了单个EV分析的发展。同时人工智能的应用也极大地促进了EV分析进步(图3)。通过机器学习和深度学习算法,可以对EV进行分类、预测其货物内容,甚至推断其潜在的生物效应。例如,SERS结合深度学习算法,能够高效分析血浆中EV蛋白质的拉曼光谱,从而进行疾病的非侵入性诊断。

图3:人工智能结合表面增强拉曼散射(SERS)在EV分析中的进展

EV研究的挑战与未来展望

尽管EV在生物医学领域显示出巨大潜力,其临床应用仍面临诸多挑战,包括制备EV的质量、分析技术的特异性和分辨率不足、标准化以及对其生成机制和细胞摄取机制等的理解不足。为克服这些挑战,未来研究需要在以下几个方面加大力度:

1)高通量且成本效益高的自动化EV制备:开发新的自动化设备和流程,提高EV的制备效率和质量。

2)单个EV的多参数分析技术:进一步优化和开发能够对单个EV进行全面分析的技术。

3)EV的多组学整合分析:利用人工智能和大数据技术,将不同组学数据整合起来,提供更全面的生物学信息。

4)使用先进的计算机算法进行EV数据分析:开发新的AI算法,提高EV数据分析的精度和速度,帮助揭示EV在生物学和医学中的作用。

综上所述,EV的研究相比过去取得了显著进展,但离真正走向临床应用,还需要通过跨学科的合作,包括基础细胞生物学、临床医学和计算科学的结合,为其在疾病诊断、治疗和药物递送中的应用铺平道路。展望未来,EV应用的前景光明,但需要持续的努力和投入来应对发展过程中的各种挑战。

原文链接:
https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202401069

© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号