New ligament healing model based on tissue‐engineered collagen scaffolds
Notice bibliographique
Résumé
The anterior cruciate ligament (ACL) is often the target of knee trauma. This ligament does not heal very well, leading to joint instability. Long-term instability of the knee can lead to early arthritis and loss of function. To develop efficient strategies to stimulate posttraumatic ACL regeneration in vivo, a good healing model is needed in vitro. Such a model must remain as simple as possible, but should include key features to provide relevant answers to precise questions about the clinical problem addressed. Here, we report tissue-engineered type I collagen scaffolds developed to establish an ACL healing model in vitro and a potential ACL substitute in vivo. Such scaffolds were used to evaluate ACL cell growth, migration, and the capacity to synthesize and assemble collagen fibers for up to 40 days in vitro and up to 180 days in vivo. They were anchored with two bone plugs to allow their static stretching in culture and to facilitate their surgical implantation in knee joints. Our results have shown that living ACL fibroblasts can attach, migrate, and colonize this type of scaffold. In vitro, the cells populated the scaffolds and expressed mRNAs coding for the prolyl-4-hydroxylase, involved in collagen fibers' assembly. In vivo, acellular implants were vascularized and populated with caprine cells that migrated from the osseous insertions toward the center of the grafts. This model is a very good tool to study ACL repair and identify the factors that could accelerate its healing postsurgery.
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 ».