Modelagem e otimização de classificação de nanoporos imunomagnéticos paralelizados para isolamento específico de marcadores de superfície de vesículas extracelulares de meios complexos
LarLar > blog > Modelagem e otimização de classificação de nanoporos imunomagnéticos paralelizados para isolamento específico de marcadores de superfície de vesículas extracelulares de meios complexos

Modelagem e otimização de classificação de nanoporos imunomagnéticos paralelizados para isolamento específico de marcadores de superfície de vesículas extracelulares de meios complexos

May 15, 2024

Scientific Reports volume 13, Artigo número: 13292 (2023) Citar este artigo

391 Acessos

1 Altmétrico

Detalhes das métricas

O isolamento de subpopulações específicas de vesículas extracelulares (EVs) com base na expressão de marcadores de superfície representa um desafio significativo devido ao seu tamanho em nanoescala (<800 nm), à sua expressão heterogênea de marcadores de superfície e ao grande número de EVs de fundo presentes em amostras clínicas (1010–1012 EVs/mL no sangue). A classificação nanomagnética altamente paralelizada usando chips de nanoporos magnéticos gravados em trilha (TENPO) alcançou uma classificação imunoespecífica precisa com alto rendimento e resiliência ao entupimento. No entanto, ainda não houve um estudo sistemático dos parâmetros de projeto que controlam as compensações no rendimento, na recuperação de EV alvo e na capacidade de descartar EVs de fundo nesta abordagem. Combinamos simulação de elementos finitos e caracterização experimental de chips TENPO para elucidar regras de projeto para isolar subpopulações de EV do sangue. Demonstramos a utilidade desta abordagem reduzindo o fundo do dispositivo> 10x em relação aos projetos publicados anteriormente, sem sacrificar a recuperação dos EVs alvo, selecionando o diâmetro dos poros, o número de membranas colocadas em série e a taxa de fluxo. Comparamos EVs isolados de TENPO com aqueles de métodos padrão-ouro de isolamento de EV e demonstramos sua utilidade para ampla aplicação e modularidade, visando subpopulações de EVs de múltiplos modelos de doenças, incluindo câncer de pulmão, câncer de pâncreas e câncer de fígado.

As vesículas extracelulares (EVs) são partículas membranosas em nanoescala (<800 nm) contendo cargas de ácidos nucleicos e expressando proteínas de superfície que refletem suas células de origem1. Devido às suas múltiplas cargas e à sua capacidade de contornar barreiras anatômicas, como a barreira hematoencefálica, para circular em fluidos corporais periféricos, como sangue (1010–1012 EVs/mL)2 e urina (1010 EVs/mL)3, os EVs tornaram-se uma fonte promissora de biomarcadores para o diagnóstico e caracterização de múltiplos tipos de câncer4,5,6,7,8,9, bem como em outros contextos de doenças, incluindo lesão cerebral traumática10 e doenças infecciosas11. Além disso, os VEs desempenham um papel mecanicista em processos biológicos, como disseminação metastática12 e interações tumor-imunes no câncer13, bem como patologias incluindo lesão cerebral traumática14, doença autoimune15 e parada cardíaca16.

Atualmente, o estudo dos VEs, e o seu potencial para diagnóstico e terapêutica, são travados por tecnologia que não foi concebida para abordar a sua combinação única de tamanho, complexidade e quantidade em nanoescala em bioespécimes. A alta concentração de EVs no sangue representa um desafio particular para os investigadores que buscam diferenciar uma subpopulação específica de EV de outras subpopulações de EV, bem como outras partículas não-EV, como restos celulares na mesma faixa de tamanho (“background” não relevante). . Os métodos atuais de isolamento de EV padrão-ouro, como ultracentrifugação, kits de precipitação comerciais (Thermo Fisher, System Biosciences) e cromatografia de exclusão de tamanho, não possuem a seletividade do marcador de superfície e o rendimento para classificar com precisão as subpopulações de EV .

Da mesma forma, métodos previamente estabelecidos para classificação de células por marcadores de superfície são incapazes de medir EVs em nanoescala ou atingir o rendimento para processar o grande número de EVs normalmente encontrados em amostras clínicas. Por exemplo, processar ~ 1011 EVs em 1 mL de sangue não seria viável para citometria de fluxo celular de alto rendimento. Os citômetros de fluxo de nanopartículas típicos classificam a uma taxa de ~ 1.000 contagens/segundo18, exigindo ~ 3 anos para classificar 1 mL de sangue, enquanto mesmo os mais recentes sistemas de citometria de fluxo subcelular classificam a ~ 60.000 eventos/segundo19 exigiriam 19 dias para 1 mL de sangue. Este desafio é amplificado pela baixa expressão absoluta de proteínas de superfície em EVs em comparação com células devido ao aumento dramático da área de superfície de uma célula de ~ 10 µm em comparação com um EV <800 nm, produzindo assim sinais fluorescentes abaixo do nível de detecção para sistemas comerciais de citometria de fluxo20. Em resposta a esse desafio, várias abordagens microfluídicas foram desenvolvidas usando tamanhos de recursos em micro/nanoescala de tamanho EV para realizar classificação EV baseada em tamanho ou marcador de superfície com precisão. No entanto, limitações como a exigência de nanofabricação complexa4,21,22, baixos volumes máximos de entrada23,24, dependência de um único alvo de biomarcador molecular25 ou baixo rendimento de amostra21 dificultaram a aplicabilidade do tamanho microfluídico ou da classificação EV do marcador de superfície.

 107 pores/cm2 for d = 600 nm pores5, > 106 for d = 3 µm pores per Cytiva/Whatman). Lastly, track etching combined with vapor deposition of a bilayer, consisting of a soft magnetic layer of NiFe and a passivation layer of Au, offers inexpensive fabrication of large numbers of precisely-defined magnetic nanopores while bypassing expensive and difficult-to-scale lithography5./p> 10% of the magnetic nanopores become occluded. This feature arises because the fluidic resistance of the magnetic nanopores is several orders of magnitude greater than the resistance between pores, and as such when a pore is occluded the flow is distributed not only to its nearest neighbors, but uniformly over the entire 107 pores as if they are in connected in a parallel circuit27. Moreover, in many applications of isolating specific sub-populations of EVs, the subpopulation is sparse (ex. ~ 1900 tumor-derived EVs/mL per mm3 of tumor volume for highly-shedding tumors)28 in comparison to the total number of EVs. Therefore even in a case when TENPO processes 1011 EVs in a mL of human plasma, several orders of magnitude less targeted EVs are captured on the TENPO’s ~ 107 magnetic nanopores. Because our device sorts EVs one at a time, in a device that is matched in scale to that of nanoscale EVs, it can sort EVs based on quantitative expression of surface markers, akin to flow cytometry for cell based sorting. This is in contrast to conventional methods that use micrometer-scale sized beads or devices29, where EV capture is dictated by a single binding event. Moreover, previous immunoaffinity bead isolation methods have been limited by the requirement that a high proportion of EVs express a given target protein30./p> 2.5 mL/h, Rs decreased as a function of flow rate ɸ. At flow rates ɸ < 2.5 mL/h, 1-Rw increased as a function of ɸ, and beyond ɸ > 2.5 mL/h, all weakly targeted EVs were successfully discarded. (Fig. 2C). This model system demonstrates the potential for tuning the tradeoff between Rs and 1-Rw in this model scenario featuring both targeted EVs and off-target EVs with non-specifically bound MNPs./p> 33)./p> 10 mL/h rather than decreasing (Fig. 3C, SI Fig. 11). This difference may be due to differences in magnetic labeling where EVs with greater than 15 MNPs are still captured at high flow rates. We observed no change in isotype-labeled EV RNA at any of the flow rates, in contrast to the predicted decrease in background on simulation. As in the membrane number scan, we hypothesize that the isotype background Cq values are closer to the limit of detection of our PCR assays. We observed the greatest difference between the antibody-labeled versus isotype-labeled EVs at a flow rate of ɸ = 2.5 mL/h (Fig. 3C, SI Fig. 11)./p> .05), while for GAPDH there was a significant difference between the antibody replicates (p = .014) but not the isotype replicates (p > .05)./p> 1000) of clinical samples are required. By virtue of its low construction/operation cost (cost for one pan-EV prototype TENPO assay =  ~ $35; $12 material/fabrication5, $5 antibody, $18 beads) and compatibility with roll-to-roll manufacturing, TENPO could be scaled up to fast chip manufacturing while also having the throughput for large clinical cohorts. The fabrication cost of TENPO is invariant to pore diameter, unlike most microfluidic approaches which rely on lithographic fabrication. Previous work in our group with TENPO using 600 nm pores to isolate EV subpopulations was able to yield clinically-relevant diagnostic information in n = 204 pancreatic cancer samples6 as well as in n = 96 traumatic brain injury samples10. In these cases, TENPO using 600 nm pores was able to distinguish biological nucleic acid signals from background, which can be improved even further with the 10× improvement in specificity versus isotype background suggested in this manuscript./p>  ~ 3 × 109 EVs for pancreatic cancer, 1 mL—>  ~ 9 × 1010 for lung cancer, 1 mL—>  ~ 9 × 108 for liver cancer) into healthy human plasma (0.75 mL healthy human plasma for pancreatic cancer, 0.25 mL healthy human plasma for lung and liver cancer; plasma has an EV concentration of 2 × 1012 EVs/mL as measured via NTA). Equivalent volumes of non-conditioned clean culture media (media not exposed to cancer cells) were added to the volumes of healthy human plasma stated for each cancer media type to make the “healthy” samples./p>