MétaCan
Menu
Retour à la cohorte
Enregistrement W1855228290 · doi:10.1002/jor.23059

Synergistic effect of exogeneous and endogeneous electrostimulation on osteogenic differentiation of human mesenchymal stem cells seeded on silk scaffolds

2015· article· en· W1855228290 sur OpenAlexfundno aff
Anıl Sera Çakmak, Soner Çakmak, James D. White, Waseem Raja, Kyung-Sook Kim, Sezin Yiğit, David L. Kaplan, Menemşe Gümüşderelioğlu

Notice bibliographique

RevueJournal of Orthopaedic Research® · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthNational Institute of Arthritis and Musculoskeletal and Skin DiseasesMcMaster University
Mots-clésMesenchymal stem cellAlkaline phosphataseEndogenyCell biologyChemistryBone sialoproteinOsteopontinStem cellDownregulation and upregulationGlibenclamideOsteocalcinImmunologyBiologyEndocrinologyBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Bioelectrical regulation of bone fracture healing is important for many cellular events such as proliferation, migration, and differentiation. The aim of this study was to investigate the osteogenic differentiation potential of human mesenchymal stem cells (hMSCs) cultivated on silk scaffolds in response to different modes of electrostimulation (e.g., exogeneous and/or endogeneous). Endogeneous electrophysiology was altered through the use of monensin (10 nM) and glibenclamide (10 μM), along with external electrostimulation (60 kHz; 100-500 mV). Monensin enhanced the expression of early osteogenic markers such as alkaline phosphatase (ALP) and runt-related transcription factor 2 (RUNX-2). When exogeneous electrostimulation was combined with glibenclamide, more mature osteogenic marker upregulation based on bone sialoprotein expression (BSP) and mineralization was found. These results suggest the potential to exploit both exogeneous and endogeneous biophysical control of cell functions towards tissue-specific goals.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,293
Écart entre enseignants0,255 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Orthopaedic Research®Même sujetBone Tissue Engineering MaterialsTravaux en français237 207