Chemically-bound nerve growth factor for neural tissue engineering applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In order to promote regeneration after spinal cord injury, growth factors have been applied in vivo to rescue ailing neurons and provide a path finding signal for regenerating neurites. We previously demonstrated that soluble growth factor concentration gradients can guide axons over long distances, but this model is inherently limited to in vitro applications. To translate the use of growth factor gradients to an implantible device for in vivo studies, we developed a photochemical method to bind nerve growth factor (NGF) to microporous poly(2-hydroxyethylmethacrylate) (PHEMA) gels and tested bioactivity in vitro. A cell adhesive photoreactive poly(allylamine) (PAA) was synthesized and characterized. This photoreactive PAA was applied to the surface of the PHEMA gels to provide both a cell adhesive layer and a photoreactive handle for further NGF immobilization. Using a direct ELISA technique, the amount of NGF immobilized on the surface of PHEMA after UV exposure was determined to be 5.65 +/- 0.82 ng/cm2 or 3.4% of the originally applied NGF. A cell-based assay was performed to determine the bioactivity of the immobilized NGF. Using pheochromocytoma (PC-12) cells, 30 +/- 7% of the cell population responded to bound NGF, a response statistically similar to that of cells cultured on collagen in the presence of 40 ng/ml soluble NGF of 39 +/- 12%. These results demonstrate that PHEMA with photochemically bound NGF is bioactive. This photochemical technique may be useful to spatially control the amount of NGF bound to PHEMA using light and thus build a stable concentration gradient.
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.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle