Rapid and Efficient Assembly of Functional Silicone Surfaces Protected by PEG: Cell Adhesion to Peptide-Modified PDMS
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
While silicone elastomers generally have excellent biomaterials properties, their hydrophobicity can elicit undesired local biological responses through adsorption and denaturation of proteins. Surface-bound poly(ethylene glycol) (PEG) can ameliorate the situation by preventing contact between the external biology and the silicone elastomer. It is further possible to manipulate the biocompatibility of the surface by linking peptides, proteins or other biological entities to the PEG. Previous synthetic approaches to PEG-protected surfaces are compromised by issues of reproducibility. We describe two rapid and efficient approaches to silicone surface modification by PEG-linked adhesion peptides that overcome this problem: SiH groups are introduced throughout a silicone elastomer during elastomer synthesis or only at the surface after cure; then, in either case, protein-repellent PEG brushes at the surface are introduced by hydrosilylation to give surfaces that can be stored for extensive periods of time without degradation. Activation of the free alcohol with an NSC group followed by immediate conjugation to relevant biological molecules occurs in high yields, as shown for RGDS and GYRGDS. High surface grafting density of the peptides was demonstrated using radiolabeling techniques. Biological activity was demonstrated by a 5-fold increase in cell adhesion on the peptide-modified surfaces when compared to unmodified PDMS control surfaces.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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