Modulation of human gingival fibroblast adhesion, morphology, tyrosine phosphorylation, and ERK 1/2 localization on polished, grooved and SLA substratum topographies
Notice bibliographique
Résumé
Attachment of connective tissue to dental implants, which is influenced by surface topography, is an important determinant of implant success. Approaches employed to alter topography include acid etching or blasting to produce roughened surfaces, and production of precisely defined topographies using microfabrication techniques. The aim of this study was to assess the influence of polished, microgrooved, and sand-blasted, large grit, acid-etched (SLA) topographies on fibroblast adhesion, morphology, activation, and ERK 1/2 phosphorylation and localization. Human gingival fibroblasts (HGFs) spread on all tested surfaces within 2 h, and topography influenced the pattern of phosphotyrosine localization. Fibrillar adhesion formation was prominent in HGFs cultured on microgrooves and SLA at 24 h compared with smooth. No significant difference in ERK 1/2 phosphorylation was observed at 2 or 24 h, but nuclear localization depended on culture time and substratum topography. Nuclear localization of ERK 1/2 occurred at 2 h on polished surfaces, but was not evident at 1 week. In contrast, cells on SLA and grooved surfaces did not exhibit nuclear localization of ERK 1/2 at early times, but did at 1 week. The results of this study suggest that rough and microfabricated topographies influence fibroblast adhesion and intracellular signaling through focal adhesion/integrin-dependent mechanisms in a time-dependent manner.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».