MétaCan
Menu
Retour à la cohorte
Enregistrement W2054335062 · doi:10.1166/jbn.2014.1805

Nanostructured Hybrid of Immiscible Gold and Silicon and Its Effect on Proliferation and Adhesion of Fibroblasts and Osteoblasts

2013· article· en· W2054335062 sur OpenAlexfundno aff
Priyatha Premnath, Bo Tan, Krishnan Venkatakrishnan

Notice bibliographique

RevueJournal of Biomedical Nanotechnology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-Ablation Synthesis of Nanoparticles
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceNanotechnologyAdhesionBiomaterialNanostructureSiliconTissue engineeringHybrid materialCell adhesionBiomedical engineeringOptoelectronicsComposite material

Résumé

récupéré en direct d'OpenAlex

Hybrid biomaterials are a combination of two or more different materials that work synergistically to produce superior properties. Nano structuring of such hybrid materials has also posed complications. In this study, we present, for the first time a nanofibrous hybrid of gold and silicon fabricated by femtosecond laser synthesis for tissue engineering applications. The formation of a completely new phase, Au3Si (212) is reported. The formation mechanism is explained by vapor condensation. Particle sizes of 2-10 nm and 37-49 nm for gold and gold concentrations of 35-78% are achieved. The effect of this hybrid on cell growth was assessed using fibroblasts and osteoblasts. There was a significant decrease in both osteoblast and fibroblast proliferation with the increase of gold in the hybrid nanostructure. This novel hybrid nanofibrous matrix provides a method to effectively control the proliferation and adhesion of cells. Femtosecond laser synthesis presents a new standard by which not only a single element biomaterial but also multiple immiscible element hybrid biomaterials can be fabricated. This technique provides a paradigm shift in the fabrication of novel nanostructured immiscible hybrid biomaterials.

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 enseignants0,041
Score d'incertitude au seuil0,398

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,004
Tête enseignante GPT0,197
Écart entre enseignants0,193 · 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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical NanotechnologyMême sujetLaser-Ablation Synthesis of NanoparticlesTravaux en français237 207