MétaCan
Menu
Retour à la cohorte
Enregistrement W2017070643 · doi:10.1002/jbm.a.31370

Human monocyte adhesion onto RGD and PHSRN peptides delivered to the surface of a polycarbonate polyurethane using bioactive fluorinated surface modifiers

2007· article· en· W2017070643 sur OpenAlexaff
Mark J. Ernsting, Rosalind S. Labow, J. Paul Santerre

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2007
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSilk-based biomaterials and applications
Établissements canadiensUniversity of OttawaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSurface modificationPolyurethaneAdhesionCell adhesionBiomaterialConjugated systemMonocyteCovalent bondBiophysicsChemical engineeringBiomedical engineeringNanotechnologyPolymerComposite materialOrganic chemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Fluorinated oligomers, when blended into polyurethane, have been shown to migrate to the surface and generate an interface that minimizes protein denaturation and reduces cell activation. This type of surface modification can be achieved with ppm quantities of a bioactive fluorinated surface modifier (BFSM), enabling the introduction of bioactive agents onto a surface in one manufacturing step. In the current study, two BFSMs were synthesized with covalently conjugated RGD and PHSRN peptides near the fluorine terminal groups, and were shown to be surface active in polyurethane blends. CyQuant cell enumeration, scanning electron microscopy, and cell viability assays all indicated that the bioactive (and fluorinated) substrates supported enhanced monocyte interaction. The simplicity of the surface modification technique and the demonstrated ability of the peptide BFSMs to influence cell attachment and spreading indicate the potential benefits and practical value of the BFSM technology in tailoring surfaces for biomaterial applications. This was specifically highlighted for human blood monocytes, a key cell involved in the early stages of wound healing.

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)0,010
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 enseignants0,010
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,084
Tête enseignante GPT0,387
Écart entre enseignants0,304 · 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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujetSilk-based biomaterials and applicationsTravaux en français237 207