Abstract Isolation of neuron‐derived extracellular vesicles (NDEVs) with L1 Cell Adhesion Molecule (L1CAM)‐specific antibodies has been widely used to identify blood biomarkers of CNS disorders. However, full methodological validation requires demonstration of L1CAM in individual NDEVs and lower levels or absence of L1CAM in individual EVs from other cells. Here, we used multiple single‐EV techniques to establish the neuronal origin and determine the abundance of L1CAM‐positive EVs in human blood. L1CAM epitopes of the ectodomain are shown to be co‐expressed on single‐EVs with the neuronal proteins β‐III‐tubulin, GAP43, and VAMP2, the levels of which increase in parallel with the enrichment of L1CAM‐positive EVs. Levels of L1CAM‐positive EVs carrying the neuronal proteins VAMP2 and β‐III‐tubulin range from 30% to 63%, in contrast to 0.8%–3.9% of L1CAM‐negative EVs. Plasma fluid‐phase L1CAM does not bind to single‐EVs. Our findings support the use of L1CAM as a target for isolating plasma NDEVs and leveraging their cargo to identify biomarkers reflecting neuronal function.

Abstract The ability to reliably detect the forthcoming failure of a rechargeable cell without removing it from its normal operating environment remains a significant goal in battery research. In this work we have cycled in the laboratory a previouslyaged 3.2 A h, 3.6 V 18650 INR LiNi x Mn y Co 1-x-y O 2 cell for 300 days until failure was apparent, using a current waveform representative of use in an electric vehicle application. Electrochemical Impedance Spectroscopy (EIS) down to 5 µHz was also performed on the cell as a ‘gold-standard’ measure, at the beginning, end and part way through the cycling. Analysis of voltage and current time series data using both parametric (equivalent circuit model) and non-parametric (wavelet-based analysis) approaches allowed us to successfully reconstruct the EIS data. As the battery aged, impedance gradually increased at frequencies between 10 -4 Hz – 10 -1 Hz. The increase accelerated around 50 days before the battery ultimately failed. The acceleration in rate of change of impedance was detectable while the cycle efficiency remained high, indicating that a user of the cell would be unlikely to detect any change in the cell based on its performance or by common measures of state-of-health. The results imply upcoming failure may be detectable from time series analysis weeks before any noticeable drop in cell performance.