Bioactive Hydrogel-Filament Scaffolds for Nerve Repair and Regeneration
Notice bibliographique
Résumé
The design of novel biomaterials is crucial for the advancement of tissue engineering in nerve regeneration. In this study we developed and evaluated novel biosynthetic scaffolds comprising collagen crosslinked with a terpolymer of poly(N-isopropylacrylamide) (PNiPAAm) as conduits for nerve growth. These collagen-terpolymer (collagen-TERP) scaffolds grafted with the laminin pentapeptide YIGSR were previously used as corneal substitutes in pigs and demonstrated enhanced nerve regeneration compared to allografts. The purpose of this project was to enhance neuronal growth on the collagen-TERP scaffolds through the incorporation of supporting fibers. Neuronal growth on these matrices was assessed in vitro using isolated dorsal root ganglia as a nerve source. Statistical significance was assessed using a one-way ANOVA. The incorporation of fibers into the collagen-TERP scaffolds produced a significant increase in neurite extension (p<0.05). The growth habit of the nerves varied with the type of fiber and included directional growth of the neurites along the surface of certain fiber types. Furthermore, the presence of fibers in the collagen-TERP scaffolds appeared to influence neurite morphology and function; neurites grown on fibers-incorporated collagen-TERP scaffolds expressed higher levels of Na channels compared to the scaffolds without fiber. Overall, our results suggest that incorporation of supporting fibers enhanced neurite outgrowth and that surface properties of the scaffold play an important role in promoting and guiding nerve regeneration. More importantly, this study demonstrates the potential value of tissue engineered collagen-TERP hybrid scaffolds as conduits in peripheral nerve repair.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».