MétaCan
Menu
Retour à la cohorte
Enregistrement W2142419819 · doi:10.1002/jbm.a.34712

Dynamic cell patterning of photoresponsive hyaluronic acid hydrogels

2013· article· en· W2142419819 sur OpenAlexafffund
Ajoy Basak, Swapan Majumdar, Xudong Cao

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2013
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensCarleton UniversityOttawa HospitalUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSelf-healing hydrogelsHyaluronic acidMaterials scienceAdhesiveNanotechnologyTissue engineeringBiocompatible materialBiophysicsMicrocontact printingCellCell encapsulationBiomedical engineeringChemistryPolymer chemistryAnatomyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Techniques to pattern cells on biocompatible hydrogels allow for the creation of highly controlled cell microenvironments within materials that mimic the physicochemical properties of native tissues. Such technology has the potential to further enhance our knowledge of cell biology and to play a role in the development of novel tissue engineering devices. Light is an ideal stimulus to catalyze pattern formation since it can be controlled spatially as well as temporally. Herein, we have developed and enhanced a hydrogel cell patterning strategy. It is based on photoactive caged RGDS peptides incorporated into a hyaluronic acid (HA) hydrogel, which can be subsequently activated with near-UV light to create cell-adhesive regions within an otherwise non-adhesive hydrogel. With this strategy, we have been able to pattern multiple cell populations-either in contact with one another or held apart-on an underlying chemically patterned HA hydrogel. Furthermore, the hydrogel cell pattern could be altered with time, even 2 weeks after initial seeding, to create additional adhesive regions to regulate the direction of cell growth and migration. These dynamic hydrogel cell patterns, created with a standard fluorescence microscope, were shown to be robust and lasted at least 3 weeks in vitro.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,322
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), 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

Citations15
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujet3D Printing in Biomedical ResearchTravaux en français237 207