MétaCan
Menu
Retour à la cohorte
Enregistrement W1121403891 · doi:10.1089/ten.teb.2014.0188

Fibrin, a Scaffold Material for Islet Transplantation and Pancreatic Endocrine Tissue Engineering

2014· review· en· W1121403891 sur OpenAlexafffund
Matthew Riopel, Mark Trinder, Rennian Wang

Notice bibliographique

RevueTissue Engineering Part B Reviews · 2014
Typereview
Langueen
DomaineMedicine
ThématiquePancreatic function and diabetes
Établissements canadiensWestern UniversityChildren’s Health Research Institute
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFibrinIsletTransplantationAngiogenesisNeovascularizationCell biologyChemistryMedicineCancer researchImmunologyInternal medicineInsulinBiology

Résumé

récupéré en direct d'OpenAlex

Fibrin is derived from fibrinogen during injury to produce a blood clot and thus promote wound repair. Composed of different domains, including Arg-Gly-Asp amino acid motifs, fibrin is used extensively as a hydrogel and sealant in the clinic. By binding to cell surface receptors like integrins and acting as a supportive 3D scaffold, fibrin has been useful in promoting cell differentiation, proliferation, function, and survival. In particular, fibrin has been able to maintain islet cell architecture, promote beta cell insulin secretion, and islet angiogenesis, as well as inducing a protective effect against cell death. During islet transplantation, fibrin improved neovascularization and islet function. These improvements resulted in reduced number of transplanted islets necessary to reverse diabetes. Therefore, fibrin, as a biocompatible and biodegradable scaffold, should be considered during subcutaneous islet transplantation and beta cell expansion in vitro to ensure maintenance of islet cell function, proliferation, and survival to develop effective cell-based therapies for the treatment of diabetes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,309
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTissue Engineering Part B ReviewsMême sujetPancreatic function and diabetesTravaux en français237 207