Improvement of Collagen Hydrogel Scaffolds Properties by the Addition of Konjac Glucomannan
Notice bibliographique
Résumé
Collagen gels have been investigated for a number of applications in tissue engineering because of their excellent biological properties. However, their limited mechanical behavior represents a major bottleneck for clinical use, especially for vascular tissue engineering. The targeting of their mechanical properties may be envisaged by the addition of other biopolymers, such as konjac glucomannan (KGM), a neutral high-molecular weight polysaccharide extracted from the tubers of Amorphophallus konjac , which has already been studied for biomedical applications due to its biocompatibility and biodegradable activity. In the present study, reconstituted collagen gels were prepared at pH 10 and room temperature, by mixing collagen with NaOH, NaCl and 0.05 to 0.2% of KGM. Collagen fibrillogenesis was monitored by spectrophotometric analysis at 310 nm. Gel samples were analyzed by compression tests, FTIR and SEM. Comparing to the control, the addition of KGM reduced the half-time (t 1/2 ) of gelation from ca . 3 h to 2 h and the mechanical tests showed increases in the compressive strain energy of up to 3 times, and in compressive modulus of almost 4 times. Scanning electron images of collagen gel samples with KGM revealed the presence of micro-domains of KGM in the collagen matrix, revealing a phase separated scaffold for vascular tissue engineering.
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 ».