TFF浓缩后为什么还要做SEC?从CCM数据看外泌体“浓缩”和“纯化”的本质区别

发布时间:2026/8/29 18:00:33

TFF浓缩后为什么还要做SEC?从CCM数据看外泌体“浓缩”和“纯化”的本质区别
摘要外泌体和细胞外囊泡规模化纯化中TFF与SEC经常同时出现但两者解决的问题并不相同。TFF擅长处理大体积样本、提高颗粒浓度和完成缓冲液置换却可能同时浓缩蛋白SEC则通过尺寸排阻机制进一步去除大量游离蛋白和小分子杂质。IZON Science公开的CCM中试研究提供了一组非常直观的数据澄清后的颗粒浓度为1.51×10¹2 particles/mL经TFF后提高至1.81×10¹3 particles/mL但蛋白也从14307增加至86619 µg/mL进入qEV220 SEC后颗粒浓度因洗脱稀释下降至8.68×10¹2 particles/mL而蛋白降至6000 µg/mL最终实现约15倍纯度提升和约96%蛋白去除。本文以这组数据为主线解析外泌体下游工艺中“浓缩”和“精纯”为什么必须区分。关键词TFF、SEC、外泌体浓缩、外泌体纯化、CCM、细胞培养上清、qEV220、qEV TFF、qEV Zenco、外泌体下游工艺、EV回收、EV纯度一、外泌体工艺里最容易混淆的两个词浓缩和纯化在外泌体下游工艺讨论中经常会看到“使用TFF纯化EV”或者“使用SEC浓缩EV”的表述但从实际工艺机理来看浓缩和精纯并不是同一个目标。浓缩关注的是如何把分散在大体积样本中的目标颗粒集中到更小体积中而纯化关注的是如何提高目标颗粒相对于蛋白、脂蛋白、小分子和其他非目标组分的比例。一个方法可以同时对两者产生一定影响但通常会有更加主要的工艺职责。这个区别在CCM中尤其明显。细胞培养上清的体积可能很大EV却相对稀释因此下游首先必须把大量液体体积降下来与此同时培养基组分和细胞分泌蛋白又形成较高蛋白背景如果只是把整个样本一起浓缩EV变浓了蛋白也会变浓。因此“颗粒浓度升高”本身并不能证明EV已经变得更纯。IZON Science公开的中试工作流提供了一个非常典型的数据案例使用TFF后EV颗粒浓度显著增加但蛋白浓度同样大幅增加真正显著降低蛋白负荷的是后续qEV220 SEC。这组数据非常直观地说明规模化EV工艺中TFF和SEC并不是谁替代谁的问题而是两个不同单元之间如何分工。相关qEV、TFF和EV分析资料可参考IZON外泌体纯化技术资料。二、为什么大体积CCM必须先解决“体积问题”假设上游细胞培养产生数升甚至数十升CCM而最终SEC能够接受的单次进样体积远小于原样如果完全依靠SEC直接处理就需要大量连续上样、更多缓冲液和更长层析时间。与此同时原始CCM中EV颗粒相对稀释也意味着每一轮SEC能够获得的目标颗粒有限。因此规模化流程往往需要在SEC之前增加大体积浓缩步骤。TFF通过切向流动方式让样本平行于膜面循环与传统死端过滤相比更适合处理较大体积并可以在控制膜截留范围的情况下持续移除透过液从而将EV集中到更小体积。原海报中的CCM流程在预处理阶段先进行5×稀释和澄清再使用qEV TFF进行10×浓缩。5×稀释的目的是降低高黏度进料对后续过滤造成的影响而10×浓缩则把经过澄清的大体积样本重新缩小到更适合qEV220上样的体积。两步看似方向相反实际上一个解决“黏度”一个解决“总体积”。三、为什么TFF之后蛋白浓度反而明显上升按照原研究数据CCM澄清后的颗粒浓度为1.51×10¹2 particles/mL蛋白浓度为14307 µg/mL完成TFF之后颗粒浓度提高到1.81×10¹3 particles/mL但蛋白浓度也提高至86619 µg/mL。处理步骤颗粒浓度(particles/mL)蛋白浓度(µg/mL)纯度(particles/µg protein)Raw粗样品1.30×10¹3153008.5×108Clarified澄清后1.51×10¹2143071.06×108Post-TFFTFF浓缩后1.81×10¹3866192.09×108qEV PurifiedqEV纯化后8.68×10¹260001.29×10⁹表1CCM各处理步骤的颗粒、蛋白和颗粒/蛋白纯度数据。这组结果并不说明TFF“失效”恰恰说明它完成了自身最主要的工艺目标EV被大量浓缩。由于CCM中存在许多不能直接通过当前膜条件快速去除的蛋白和其他大分子它们也会随着retentate体积不断缩小而提高浓度因此TFF结束时获得的不是最终高纯度EV而是一个EV浓度更高、但依然具有较大蛋白负荷的浓缩进料。从纯度指标来看澄清后为1.06×108 particles/µg proteinTFF之后为2.09×108虽然有所提高但与后续SEC达到的1.29×10⁹相比仍然有明显差距。这正是后续增加SEC步骤的原因。四、SEC为什么能做TFF不擅长的事情TFF根据膜截留特性进行分离因此当目标EV和部分蛋白都被膜保留时很难仅依靠继续浓缩把两者彻底拉开。SEC采用完全不同的分离机制它不依赖膜截留而是让不同尺寸的组分在多孔树脂中产生不同的迁移时间。EV属于相对较大的颗粒能够进入的树脂孔道有限因此较早洗脱大量更小的游离蛋白可以进入更多孔隙并延迟洗脱从而使EV与蛋白在时间维度上分开。对于TFF之后的高颗粒、高蛋白浓缩液来说这种尺寸排阻机制正好补上了TFF的不足。本研究中CCM使用qEV220 35 nm树脂进行处理并通过qEV Zenco控制流速、监测UV峰和自动收集目标馏分。纯化之后颗粒浓度由Post-TFF阶段1.81×10¹3下降至8.68×10¹2 particles/mL这主要需要结合SEC洗脱过程导致的体积增加理解与此同时蛋白浓度却由86619显著降至6000 µg/mL最终大幅提高颗粒/蛋白纯度。五、为什么SEC后颗粒浓度降低并不代表EV“损失很多”在查看EV纯化数据时很容易把“颗粒浓度降低”直接理解为回收率下降但浓度和总颗粒回收量并不是同一个概念。SEC过程中目标EV会被洗脱到一定缓冲液体积中因此最终收集液体积通常高于进样体积颗粒浓度自然可能下降。原研究中qEV220处理的是5.4 L客户预浓缩CCM纯化后收集液达到9.9 L因此如果只比较particles/mL而忽略体积变化会低估SEC阶段的实际颗粒回收情况。原文也指出qEV纯化后的颗粒浓度虽然低于Post-TFF但蛋白去除率较高整体回收表现符合SEC工艺预期。因此在评价EV下游工艺时至少要同时看颗粒浓度、总体积、总颗粒数、蛋白量和颗粒/蛋白比而不能只看单一particles/mL数值。六、为什么高黏度CCM不能直接上SECSEC柱能否稳定运行与进样样本状态密切相关。高度黏稠的CCM如果直接进入柱床会影响流速和传质严重情况下还可能增加柱堵塞或压差异常风险。因此该研究没有直接把高黏样本上qEV220而是通过5×稀释降低黏度并通过澄清去除大颗粒和聚集体再利用TFF把样本重新浓缩。图1CCM样本的qEV220工作流总览。这种“先为了可过滤性而稀释再为了层析效率而浓缩”的路线看似增加了步骤实际上是为了让每一个后续单元都在更加稳定的进料条件下运行。规模越大这种前处理的重要性越明显因为小试阶段偶尔出现的流速波动在多升样本和连续层析中会被放大为明显的工艺差异。七、为什么自动化是从实验室SEC走向中试SEC的关键变化在小规格qEV柱中操作人员可以人工按照固定体积收集EV馏分进入qEV220这类大规格SEC之后如果还完全依赖人工控制流速和收集时间多轮运行之间很容易受到操作者影响。qEV Zenco通过UV在线监测、流速控制和自动馏分收集把原本依赖人工判断的步骤转化为更加统一的自动化程序。图2qEV220连续运行多轮UV吸收峰。原稿中前段记录qEV Zenco连续运行22次而后续稳定性部分以20次连续运行为总结两处次数表述存在差异因此本文不对具体次数做额外推断最终应以IZON原始海报图示和实验记录为准。但从公开资料要表达的工艺信息来看多轮UV洗脱曲线具有较好重现性说明自动化系统和SEC柱能够支持重复批次运行。八、TFFSEC工作流如何理解“中试放大”外泌体纯化的规模放大并不意味着所有设备按体积比例变大而是需要确保小试阶段使用的分离原理能够继续覆盖更大样本。IZON qEV体系从qEV10进一步扩展到qEV220以及qEV500本质上提供的是同一SEC技术路线下不同处理能力的规格使研究人员有机会在小规模先确定分离思路再随着上游体积增加逐步切换更大处理量。TFF同样具备模块化扩展特征。样本量增加后可以通过膜面积、循环体系和处理规模调整保持浓缩与换液功能。因此TFF与SEC联合使用时可以形成一个相对清晰的上游-下游接口TFF把任意较大的CCM逐步转化为SEC适合的进料体积SEC再把已经浓缩的EV与大量蛋白分离。阶段操作关键设备/耗材目的预处理5×稀释→澄清→qEV TFF10×浓缩qEV TFF推荐300kDa MWCO膜降低黏度、去除细胞碎片与大颗粒、富集EV、完成缓冲液置换SEC纯化qEV22035nm或70nm树脂qEV220大规格SEC柱qEV Zenco利用尺寸排阻色谱去除游离蛋白与小分子杂质获得高纯度EVSEC纯化UV在线监测自动馏分收集qEV Zenco自动化层析系统稳定流速、自动截取EV富集峰、生成可追溯工艺报告表2TFF与SEC在整体CCM纯化流程中的功能分工。九、真正的规模化EV纯化不能只追求“最高颗粒回收”EV工艺优化常常存在一个容易走偏的方向为了追求颗粒回收率尽量减少任何可能损失EV的纯化步骤。但如果最终样品中仍然保留大量培养基蛋白和其他杂质颗粒回收再高也未必能够满足后续分析、功能验证或者更高质量要求。相反如果只追求最高纯度使用过多纯化步骤又可能牺牲EV回收量。因此TFFSEC组合真正需要优化的是回收、纯度和可放大性之间的平衡。TFF减少大体积处理压力SEC进一步提高颗粒/蛋白比自动化层析降低多轮处理的人为波动而Exoid TRPS、BCA及后续EV表征方法则帮助研究人员判断这一平衡是否满足项目目标。对于不同项目这个平衡点可能完全不同。基础研究可能更关注高纯度和分析背景工艺开发可能更关注总回收、批次一致性和处理时间进入更进一步转化研究后还需要叠加EV身份、杂质、功能和其他质量指标。因此本文中的具体参数更适合作为工艺设计案例而不是所有CCM必须照搬的标准答案。十、从这组数据可以得到的三个工艺判断第一个判断是颗粒浓度高并不等于纯度高。Post-TFF阶段颗粒浓度最高但同时蛋白浓度也最高因此其颗粒/蛋白比并不是整个流程中的最佳状态。第二个判断是TFF和SEC不是相互替代而是功能互补。大体积CCM需要TFF提高处理效率而高蛋白背景则需要SEC进一步解决。第三个判断是中试放大最终需要自动化和重复性数据。如果每一轮SEC都依赖人工收集即使单次实验数据很好也很难建立稳定的大规模工艺。这也说明外泌体下游工艺的优化对象已经从某一个“纯化试剂”变成完整工作流。进料预处理、TFF、SEC、自动化层析和颗粒/蛋白分析需要被放到同一个流程中评价才能真正理解每一步为什么存在以及它对下一步产生什么影响。参考文献Li Y, Pal VK, Mauleon G, Marchioni M, Severi C, Xuan B.Translating EV Isolation to Pilot Scale: A Validated SEC-TFF Workflow for High-Purity Processing Across Diverse Biofluids[Poster]. Izon Science; 202X.Böing AN, et al. Single-step isolation of extracellular vesicles by size-exclusion chromatography.J Extracell Vesicles. 2014;3:23430.拓展阅读IZON qEV、TFF及EV颗粒分析技术资料IZON外泌体与纳米颗粒纯化表征技术专栏关于技术来源本文基于IZON Science公开SEC-TFF中试工作流海报及相关EV纯化技术资料曼博生物MineBio整理用于科研信息分享、实验参考和外泌体下游工艺设计思路理解。TFF和SEC在实际项目中的浓缩倍数、膜MWCO、进样体积、树脂孔径、流速、馏分范围、回收率和最终纯度均受到CCM组成、颗粒大小、蛋白负荷和目标产品要求影响本文所列数据均对应原研究特定样本和实验流程。本文围绕IZON Science、qEV TFF、qEV220、qEV Zenco、Exoid、TRPS、CCM、外泌体浓缩、尺寸排阻色谱和规模化EV纯化等方向整理相关公开技术信息。

相关新闻

Python Matplotlib 3D曲面图模板函数:提升数据可视化效率

Python Matplotlib 3D曲面图模板函数:提升数据可视化效率

2026/8/29 17:50:33

1. 从零到一:为什么需要一个3D曲面图模板函数? 如果你用过Python的Matplotlib画过几次3D图,尤其是曲面图,大概率会和我有一样的感受:每次都要写一堆重复的样板代码。从导入 Axes3D ,到创建图形和3D坐标轴…

数学建模实战:从线性回归到非线性拟合,如何科学选择模型与避免过拟合

数学建模实战:从线性回归到非线性拟合,如何科学选择模型与避免过拟合

2026/8/29 17:50:33

1. 从“差不多”到“刚刚好”:为什么拟合是数学建模的灵魂搞数学建模的朋友,尤其是刚入门的同学,经常会有个困惑:模型建好了,公式也列出来了,但怎么让这个模型“认”上我的数据呢?总不能每次都靠…

模糊PID控制器硬件实现:基于System Generator的FPGA部署全流程

模糊PID控制器硬件实现:基于System Generator的FPGA部署全流程

2026/8/29 17:50:33

1. 项目概述:当传统PID遇上模糊逻辑与System Generator在工业控制、机器人、无人机乃至智能家居的温控系统里,PID控制器无疑是那个最经典、最核心的“大脑”。它的原理简单直接——根据偏差(P)、偏差的积累(I&#xff…

Livox激光雷达Python驱动:从安装到实战,打通点云处理全链路

Livox激光雷达Python驱动:从安装到实战,打通点云处理全链路

2026/8/29 19:10:38

简介:激光雷达作为机器人、自动驾驶和三维感知领域的核心传感器,其工作原理是通过发射激光束并接收反射信号来获取周围环境的三维点云数据。点云数据是进行SLAM(即时定位与地图构建)、目标检测和环境建模的基础。为了高效处理这些…

Java网络编程与面试核心:TCP/UDP、HTTP/2、Socket与NIO实战解析

Java网络编程与面试核心:TCP/UDP、HTTP/2、Socket与NIO实战解析

2026/8/29 19:10:38

1. 项目概述:为什么从面试切入学习网络? 如果你正在准备Java相关的面试,或者已经是一名Java开发者,那么“网络”这个词对你来说绝对不陌生。无论是面试官随口问一句“TCP和UDP的区别”,还是线上系统突然出现“Connecti…

线性序列机驱动串口DAC:从数字逻辑到模拟输出的硬件设计实践

线性序列机驱动串口DAC:从数字逻辑到模拟输出的硬件设计实践

2026/8/29 19:10:38

1. 项目概述:从“点灯”到“发声”的跨越在嵌入式开发领域,很多工程师的起点都是从GPIO控制LED闪烁开始的,也就是我们常说的“点灯”。这背后是数字逻辑的直接体现:高电平亮,低电平灭。但当我们想让系统“发声”&#…

长文本信息抽取准确率低?两次LLM调用,成本降60%准确率近100%

长文本信息抽取准确率低?两次LLM调用,成本降60%准确率近100%

2026/8/29 19:10:38

如果你最近在用大模型做信息抽取,大概率遇到过一种很“玄学”的情况:同样的模型、同样的提示词,抽十条短文本效果很不错,但一旦把任务丢给一条几千字的长文本,准确率会肉眼可见地往下掉。你以为是指令不够清楚&#xf…

AI Agent越权行为剖析:如何构建安全可靠的权限边界

AI Agent越权行为剖析:如何构建安全可靠的权限边界

2026/8/29 19:10:37

如果交给一个 AI agent 的任务是“帮我在周五抢到一节热门健身课”,大多数实现会先查课表、看看剩余名额,然后尝试常规预约。但在一个被广泛讨论的演示里,这个 agent 没有按常规路径走。它绕过了预约页面,直接通过内部接口给自己插…

Unity Blend Tree 权重计算与混合算法深度解析

Unity Blend Tree 权重计算与混合算法深度解析

2026/8/29 19:00:37

开场 如果你已经会用 Blend Tree 做"站走跑"和"八方向移动",那大概率也踩过这类坑:角色从 Idle 到 Walk 再到 Run 都挺顺,一旦叠加 Strafe 横移,脚就开始在地面滑动。很多人第一反应是怀疑权重算错了——"Speed 都大于 0 了,Idle 怎么还有残留权…

[光学原理与应用-521]:对光的错误理解与纠偏

[光学原理与应用-521]:对光的错误理解与纠偏

2026/8/27 11:10:02

首先光是一种能量的载体和形态,宏观上观察到的光是由无数个微观的光量子组成的,每个光子在产生的瞬间,其在真空的空间中以确定不变的速度沿着一个初始的方向一直向前,在微观层面,每个光量子的运动轨迹是以波函数所展现…

SIP通话转接原理与REFER方法实战解析

SIP通话转接原理与REFER方法实战解析

2026/8/29 10:22:10

1. 通话转接不是“挂断再拨号”,而是SIP会话的动态重定向你有没有遇到过这样的场景:客服坐席A正在和客户通电话,突然需要把这通对话无缝转给专家坐席B,客户完全感知不到中间的断连——既没听到忙音,也没被要求重新拨号…

Kolla-ansible单节点OpenStack部署实战:从环境准备到排坑指南

Kolla-ansible单节点OpenStack部署实战:从环境准备到排坑指南

2026/8/28 7:34:42

1. 为什么选择Kolla-ansible来部署单节点OpenStack?如果你正在寻找一种能把OpenStack从“概念”快速变成“可用的实验环境”的方法,那么Kolla-ansible几乎是当前最主流、最省心的选择。我见过太多人卡在手动编译依赖、配置服务、处理版本冲突的泥潭里&am…

四款热门降AI工具测评:研究生和本科生怎么选?

四款热门降AI工具测评:研究生和本科生怎么选?

2026/8/29 0:09:39

马上要交论文了,最近真的被论文ai率折磨的够呛。 明明查重都没问题了,但是ai率就是居高不下,崩溃了,明明都是我自己写的,天杀的,明明都是我亲生的啊 改来改去,终于给我搞出一套完美的降ai方案…

论文降AI率免费攻略:自查、提示词与工具推荐

论文降AI率免费攻略:自查、提示词与工具推荐

2026/8/29 0:09:39

马上要交论文了,最近真的被论文ai率折磨的够呛。 明明查重都没问题了,但是ai率就是居高不下,崩溃了,明明都是我自己写的,天杀的,明明都是我亲生的啊 改来改去,终于给我搞出一套完美的降ai方案…

北京GEO优化服务商推荐:预算型企业如何选北京GEO优化服务商?

北京GEO优化服务商推荐:预算型企业如何选北京GEO优化服务商?

2026/8/29 0:09:39

前言:预算有限的企业更关心投入能否形成可持续的品牌资产。评估北京GEO优化服务商时,不能只比较单篇内容或单月报价,还要看是否能够把问题词、官网、信源和监测串成完整链路。本期重点放在预算配置、试点范围和交付边界,帮助企业先…

摆脱论文困扰!盘点2026年全网爆红的的AI论文写作工具

摆脱论文困扰!盘点2026年全网爆红的的AI论文写作工具

2026/8/28 7:35:26

一天写完毕业论文在2026年已不再是天方夜谭。2026年最炸裂、实测能大幅提速的AI论文写作工具,覆盖选题构思、文献整理、内容生成、格式排版等核心场景,真正帮你高效搞定论文难题。 一、全流程王者:一站式搞定论文全链路(一天定稿首…

导师推荐!2026最新AI论文工具测评与实用推荐

导师推荐!2026最新AI论文工具测评与实用推荐

2026/8/28 7:34:51

2026年真正好用的AI论文工具,核心看生成的论文质量、低AI味、格式正确、学术适配四大指标。综合实测,千笔AI、ThouPen、豆包、DeepSeek、Grammarly 是当前最值得推荐的梯队,覆盖从免费到付费、从中文到英文、从文科到理工的全场景需求。 一、…

告别游戏崩溃:XCOM 2模组管理器的智能革命

告别游戏崩溃:XCOM 2模组管理器的智能革命

2026/8/28 7:34:35

告别游戏崩溃:XCOM 2模组管理器的智能革命 【免费下载链接】xcom2-launcher The Alternative Mod Launcher (AML) is a replacement for the default game launchers from XCOM 2 and XCOM Chimera Squad. 项目地址: https://gitcode.com/gh_mirrors/xc/xcom2-lau…