MétaCan
Menu
Retour à la cohorte
Enregistrement W1980453620 · doi:10.1143/jjap.51.11pj04

Amine-Rich Organic Thin Films for Cell Culture: Possible Electrostatic Effects in Cell–Surface Interactions

2012· article· en· W1980453620 sur OpenAlexaff
M. R. Wertheimer, Amélie St‐Georges‐Robillard, Sophie Lerouge, Fackson Mwale, Bentsian Elkin, Christian Oehr, Werner Wirges, Reimund Gerhard

Notice bibliographique

RevueJapanese Journal of Applied Physics · 2012
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill UniversityÉcole de Technologie SupérieurePolytechnique Montréal
Organismes subventionnairesCentre National de la Recherche Scientifique
Mots-clésChinese hamster ovary cellPlasma polymerizationAdhesionParylenePolymerizationPolymerChemistryMaterials scienceThin filmChemical engineeringNanotechnologyBiophysicsOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

In recent communications from these laboratories, we observed that amine-rich thin organic layers are very efficient surfaces for the adhesion of mammalian cells. We prepare such deposits by plasma polymerization at low pressure, atmospheric pressure, or by vacuum–ultraviolet photo-polymerization. More recently, we have also investigated a commercially available material, Parylene diX AM. In this article we first briefly introduce literature relating to electrostatic interactions between cells, proteins, and charged surfaces. We then present certain selected cell-response results that pertain to applications in orthopedic and cardiovascular medicine: we discuss the influence of surface properties on the observed behaviors of two particular cell lines, human U937 monocytes, and Chinese hamster ovary cells. Particular emphasis is placed on possible electrostatic attractive forces due to positively charged R-NH 3 + groups and negatively charged proteins and cells, respectively. Experiments carried out with electrets, polymers with high positive or negative surface potentials are added for comparison.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,257
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJapanese Journal of Applied PhysicsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207