No One-Size-Fits-All: An Evidence-Based Framework to Select Plasma EV Isolation Methods

该研究通过系统评估 11 种血浆细胞外囊泡分离方法，揭示了不同方法在囊泡亚群捕获、蛋白组覆盖度及污染物去除方面的差异，并据此提出了一个基于下游应用需求选择最佳分离策略的循证框架。

要点

这是一篇关于如何从血液中“提取”微小囊泡（EVs）的科学研究论文。为了让你轻松理解，我们可以把这项研究想象成一次**“寻找大海中特定珍珠的捕鱼大赛”**。

🌊 背景：什么是“外泌体”（EVs）？

想象一下，我们的身体里流淌着血液，就像一片浩瀚的大海。

• 外泌体（EVs）：是细胞分泌出来的微小“包裹”或“信使”，它们像大海里漂浮的珍珠。这些珍珠里藏着身体的秘密（比如疾病信号），是未来诊断癌症、肝病等疾病的“宝藏”。
• 血浆：就是那片大海本身，里面除了珍珠，还有无数巨大的海藻、泥沙和垃圾（比如血液里原本就有的大量普通蛋白质）。

🎣 核心问题：没有“万能渔网”

科学家们一直想从血液里把这些“珍珠”（外泌体）抓出来进行研究。但是，不同的实验室用不同的“渔网”（提取方法），抓到的东西千差万别：

• 有的网眼太大，珍珠漏掉了，抓了一堆海藻（杂质）。
• 有的网眼太细，虽然抓住了珍珠，但也把很多泥沙（杂质）一起带进来了。
• 有的网能抓到大珍珠，有的只能抓到小珍珠。

这篇论文就是测试了 11 种不同的“渔网”（提取方法），看看它们到底谁抓得最好，并告诉大家：没有一种渔网是完美的，关键看你想要抓什么。

---

🔍 他们是怎么做的？（实验过程）

研究人员从健康人的血液中提取了血浆，然后用了 11 种不同的方法（比如高速离心、过滤、化学沉淀、磁性吸附等）来分离外泌体。

他们像侦探一样，从三个角度检查了抓到的东西：

1. 数数（NanoFCM）：抓到了多少颗“珍珠”？大小是多少？
2. 验明正身（MSD 免疫检测）：这些“珍珠”是真的吗？上面有没有特定的标记（像 CD9, CD63 这样的“身份证”）？
3. 开箱检查（质谱分析）：把“珍珠”打开，看看里面到底装了什么东西（蛋白质）？有没有混入很多“海藻”（血液杂质）？

---

💡 主要发现：各有所长，各有所短

研究结果就像一份**“渔网使用说明书”**，揭示了不同方法的优缺点：

1. 离心法（像用巨大的离心机甩干）

• 特点：就像用强力甩干机，能把很多小东西都甩出来。
• 优点：抓到的“珍珠”种类最全，里面的“宝藏”（蛋白质）最多，适合做全面的大搜查（发现新疾病标志物）。
• 缺点：因为力气太大，把很多“海藻”（血液杂质）也一起甩进来了，不够干净。

2. 过滤/层析法（像用精细的筛子或柱子）

• 代表方法：ExoEasy, qEV 70。
• 特点：像用精密的筛子，只让特定大小的东西通过。
• 优点：抓到的“珍珠”非常干净，几乎没有“海藻”杂质。适合做高精度的检测（比如确认某种特定的病）。
• 缺点：可能会漏掉一些特别小的“珍珠”，抓到的总数不如离心法多。

3. 沉淀法（像用化学胶水把东西粘出来）

• 代表方法：ExoQuick, miRCURY。
• 特点：像往水里倒胶水，把所有东西都粘在一起沉淀下来。
• 优点：速度极快，抓到的“珍珠”数量巨大，适合大规模、快速的初筛。
• 缺点：抓到的东西太“脏”了，里面混了大量垃圾，很难分辨哪些是真正的珍珠。

4. 预处理（洗菜前的步骤）

研究发现，如果在抓珍珠之前先过滤一下血液（去掉大块的细胞碎片），虽然能去掉一些垃圾，但也会不小心把一些珍贵的“小珍珠”也过滤掉，导致最后抓到的总数变少。

---

🗺️ 结论：没有“最好”，只有“最适合”

这篇论文最重要的贡献是提出了一个**“决策框架”**（就像一张地图），告诉科学家根据你的目的选哪种网：

• 如果你想“大海捞针”，寻找未知的疾病信号 👉 选离心法。虽然有点脏，但能抓到最多的信息。
• 如果你想“精准打击”，检测已知的特定蛋白 👉 选ExoEasy 或 qEV 70。虽然数量少点，但非常干净，结果更可信。
• 如果你时间紧迫，需要处理大量样本 👉 选沉淀法。虽然不够精准，但胜在快和量大。

🌟 总结

这就好比装修房子：

• 如果你要全面翻新（探索性研究），你需要大锤和铲子（离心法），虽然灰尘大，但能拆得彻底。
• 如果你要安装精密仪器（临床检测），你需要无尘室和精细工具（层析法），虽然慢一点，但能保证环境干净。

这篇论文告诉我们要**“量体裁衣”**，不要试图寻找一把万能钥匙，而要根据你的具体任务，选择最合适的工具。这对于未来将外泌体技术真正应用到医院看病中，至关重要。

技术摘要

论文技术总结：血浆外泌体（EV）分离方法的选择框架

论文标题：No One-Size-Fits-All: An Evidence-Based Framework to Select Plasma EV Isolation Methods（没有万能方案：一种基于证据的血浆 EV 分离方法选择框架）
来源：bioRxiv 预印本 (2026 年 3 月发布)
作者单位：诺和诺德 (Novo Nordisk A/S) 及哥本哈根大学等机构

---

1. 研究背景与问题 (Problem)

细胞外囊泡（EVs）作为液体活检的潜在生物标志物，在癌症、肝病、心血管疾病和神经退行性疾病的研究中展现出巨大前景。然而，其临床转化面临重大挑战：

• 缺乏标准化：不同实验室的预处理和分离方案差异巨大，导致结果不可重复。
• 方法局限性：现有的分离方法（如离心、沉淀、色谱等）基于不同原理，会捕获不同的 EV 亚群，并伴随不同程度的血浆蛋白污染。
• 选择困境：目前缺乏系统的比较数据来指导研究人员根据具体的下游应用（如蛋白质组学、生物标志物检测或功能研究）选择最合适的分离方法。

2. 研究方法 (Methodology)

本研究对 11 种 不同的血浆 EV 分离方法进行了全面、系统的比较评估。

• 样本来源：来自 10 名健康供体的血小板贫乏血浆（PPP），部分实验使用混合血浆。
• 分离方法分类：
  • 过滤法：超滤 (Ultrafiltration, 100 kDa)。
  • 亲和法：Exofilter mini, ExoEasy Midi。
  • 沉淀法：Total Exosome Isolation, ExoQuick Ultra, miRCURY, ExoSPIN。
  • 尺寸排阻色谱 (SEC)：Minipure EV spin, qEV 70nm。
  • 离心法：超速离心 (170,000 x g) 和常规离心 (30,000 x g)。
• 分析维度：
  • 物理特性：使用纳米流式细胞术 (NanoFCM) 测定颗粒浓度和粒径分布。
  • 表面标志物：使用 MSD 免疫测定法检测四跨膜蛋白 (CD9, CD63, CD81) 及血小板标志物 (CD41a)，并通过 SDS 处理验证囊泡完整性。
  • 蛋白质组学：使用 LC-MS/MS (Orbitrap Astral) 进行非依赖性采集 (nDIA) 分析，评估蛋白质鉴定数量、纯度（血浆蛋白去除率）和重现性。
• 预处理变量评估：考察了血液采集类型（EDTA/柠檬酸钠/血清）、血小板去除程度以及预澄清步骤（过滤/离心）对 EV 组成的影响。

3. 主要结果 (Key Results)

A. 预处理的影响

• 样本类型：血清样本中血小板来源的 EV 信号显著，而血小板贫乏血浆（PPP）能有效减少血小板污染。
• 预澄清 (Pre-clearing)：在分离前进行 0.45 µm 过滤和/或 12,000 x g 离心虽然去除了大颗粒和细胞碎片，但也显著降低了总蛋白鉴定数量，且并未引入独特的蛋白质，反而可能损失部分 EV。
• 缓冲液交换：分离后的缓冲液交换对预澄清样本影响较小，但会减少未预澄清样本的蛋白鉴定数。

B. 分离方法的性能差异

不同方法捕获了不同的 EV 亚群，表现各异：

• 蛋白质组深度 (Proteome Depth)：
  • 离心法（超速离心和常规离心）鉴定出的蛋白质数量最多（约 1000+ 种），但这主要归因于血浆蛋白的共沉淀（携带率高），而非纯 EV 蛋白。
  • ExoEasy 和 qEV 70 鉴定的蛋白质数量较少（~650-720 种），但血浆蛋白去除效果最好。
  • 核心蛋白集：所有方法均能稳定检测到 117 种核心蛋白（包括热休克蛋白、组蛋白、核糖体蛋白等 EV 标志物）。
• 纯度 (Purity)：
  • ExoEasy Midi 在去除高丰度血浆蛋白（如白蛋白、转铁蛋白等）方面表现最佳。
  • 离心法 纯度最低，伴随大量血浆蛋白污染。
  • 沉淀法 和 超滤法 在去除某些蛋白（如白蛋白）方面有效，但保留了脂蛋白（如 ApoA1）和纤维蛋白原。
• 粒径与产量：
  • 离心法 捕获的 EV 粒径较小（中位数 ~65-70 nm）。
  • ExoEasy, qEV 70, miRCURY 捕获的 EV 粒径较大（80-85 nm）。
  • 沉淀法（如 ExoQuick, miRCURY）产量最高（>10^12 particles/mL），但重现性较差。
• 重现性 (Reproducibility)：
  • 超速离心 在四跨膜蛋白信号的重现性上表现最好（CV 2-4%）。
  • 颗粒产量在不同方法间变异较大（CV 21-78%）。

C. 方法选择框架 (Evidence-Based Framework)

研究并未发现一种“万能”方法，而是提出了基于下游应用目标的选择策略：

1. 追求高蛋白质组覆盖度 (Discovery Proteomics)：选择 离心法（尽管伴随血浆蛋白污染，但能最大化蛋白鉴定数量）。
2. 追求高纯度/低背景 (Biomarker Detection)：选择 ExoEasy 或 qEV 70（尺寸排阻/亲和法），它们能有效去除血浆蛋白，适合检测低丰度生物标志物。
3. 追求高产量 (Functional Studies)：选择 沉淀法（如 ExoQuick, miRCURY），适合需要大量 EV 进行功能实验的场景。

4. 关键贡献 (Key Contributions)

• 系统性比较：首次在同一实验条件下，使用大规模血浆样本（遵循厂商推荐体积）对 11 种主流分离方法进行了多维度的横向对比。
• 揭示“权衡”关系：明确证明了没有一种方法能同时实现高纯度、高产量和高蛋白质组深度。研究量化了不同方法在纯度与覆盖度之间的权衡。
• 建立决策框架：提出了一个基于证据的流程图（Figure 5），帮助研究人员根据具体的科学目标（纯度 vs. 覆盖度 vs. 产量）选择最优分离策略，而非盲目追求“金标准”。
• 优化预处理建议：指出对于某些应用，省略预澄清步骤可能有助于保留更多的 EV 和蛋白质信息，而血清样本可能因血小板污染而不适合通用 EV 研究。

5. 意义与局限性 (Significance & Limitations)

• 意义：该研究为 EV 领域的标准化提供了重要参考，有助于提高不同研究间结果的可比性和可重复性，推动 EV 作为液体活检工具的临床转化。它强调了“方法服务于目的”的理念。
• 局限性：
  • 研究主要基于健康供体，缺乏疾病状态下的临床元数据验证。
  • 预处理步骤（如预澄清）可能损失了部分 EV，导致对某些亚群的低估。
  • 蛋白质组学分析受限于 LC-MS/MS 的灵敏度，可能未检测到极低丰度的蛋白。

总结：这篇论文打破了寻找“最佳”EV 分离方法的迷思，通过详实的数据证明，选择分离方法必须与具体的下游分析目标相匹配。研究团队提供的决策框架是 EV 研究人员进行实验设计的重要工具。