Mineralization of Dense Collagen Hydrogel Scaffolds by Human Pulp Cells
Notice bibliographique
Résumé
While advances in biomineralization have been made in recent years, unanswered questions persist on bone- and tooth-cell differentiation, on outside-in signaling from the extracellular matrix, and on the link between protein expression and mineral deposition. In the present study, we validate the use of a bioengineered three-dimensional (3D) dense collagen hydrogel scaffold as a cell-culture model to explore these questions. Dental pulp progenitor/stem cells from human exfoliated deciduous teeth (SHEDs) were seeded into an extracellular matrix-like collagen gel whose fibrillar density was increased through plastic compression. SHED viability, morphology, and metabolic activity, as well as scaffold mineralization, were investigated over 24 days in culture. Additionally, measurements of alkaline phosphatase enzymatic activity, together with immunoblotting for mineralized tissue cell markers ALPL (tissue-non-specific alkaline phosphatase), DMP1 (dentin matrix protein 1), and OPN (osteopontin), demonstrated osteo/odontogenic cell differentiation in the dense collagen scaffolds coincident with mineralization. Analyses of the mineral phase by electron microscopy, including electron diffraction and energy-dispersive x-ray spectroscopy, combined with Fourier-transform infrared spectroscopy and biochemical analyses, were consistent with the formation of apatitic mineral that was frequently aligned along collagen fibrils. In conclusion, use of a 3D dense collagen scaffold promoted SHED osteo/odontogenic cell differentiation and mineralization.
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 | 0,000 | 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) | 0,000 | 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 ».