Electrospun biomaterial scaffolds with varied topographies for neuronal differentiation of human‐induced pluripotent stem cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, we investigated the effect of micro and nanoscale scaffold topography on promoting neuronal differentiation of human induced pluripotent stem cells (iPSCs) and directing the resulting neuronal outgrowth in an organized manner. We used melt electrospinning to fabricate poly (ε-caprolactone) (PCL) scaffolds with loop mesh and biaxial aligned microscale topographies. Biaxial aligned microscale scaffolds were further functionalized with retinoic acid releasing PCL nanofibers using solution electrospinning. These scaffolds were then seeded with neural progenitors derived from human iPSCs. We found that smaller diameter loop mesh scaffolds (43.7 ± 3.9 µm) induced higher expression of the neural markers Nestin and Pax6 compared to thicker diameter loop mesh scaffolds (85 ± 4 µm). The loop mesh and biaxial aligned scaffolds guided the neurite outgrowth of human iPSCs along the topographical features with the maximum neurite length of these cells being longer on the biaxial aligned scaffolds. Finally, our novel bimodal scaffolds also supported the neuronal differentiation of human iPSCs as they presented both physical and chemical cues to these cells, encouraging their differentiation. These results give insight into how physical and chemical cues can be used to engineer neural tissue.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 découle