Layer‐by‐Layer Assembly of 3D Tissue Constructs with Functionalized Graphene
Notice bibliographique
Résumé
Carbon-based nanomaterials have been considered as promising candidates to mimic certain structure and function of native extracellular matrix materials for tissue engineering. Significant progress has been made in fabricating carbon nanoparticle-incorporated cell culture substrates, but limited studies have been reported on the development of three-dimensional (3D) tissue constructs using these nanomaterials. Here, we present a novel approach to engineer 3D multi-layered constructs using layer-by-layer (LbL) assembly of cells separated with self-assembled graphene oxide (GO)-based thin films. The GO-based structures are shown to serve as cell adhesive sheets that effectively facilitate the formation of multi-layer cell constructs with interlayer connectivity. By controlling the amount of GO deposited in forming the thin films, the thickness of the multi-layer tissue constructs could be tuned with high cell viability. Specifically, this approach could be useful for creating dense and tightly connected cardiac tissues through the co-culture of cardiomyocytes and other cell types. In this work, we demonstrated the fabrication of stand-alone multi-layer cardiac tissues with strong spontaneous beating behavior and programmable pumping properties. Therefore, this LbL-based cell construct fabrication approach, utilizing GO thin films formed directly on cell surfaces, has great potential in engineering 3D tissue structures with improved organization, electrophysiological function, and mechanical integrity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».