Degradation of the electrospun silica nanofiber in a biological medium for primary hippocampal neuron – effect of surface modification
Notice bibliographique
Résumé
In this work, silica nanofibers (SNFs) were prepared by an electrospinning method and modified with poly-d-lysine (PDL) or (3-aminopropyl) trimethoxysilane (APTS) making biocompatible and degradable substrates for neuronal growth. The as-prepared SNF, modified SNF-PDL, and SNF-APTS were evaluated using scanning electron microscopy, nitrogen adsorption/desorption isotherms, contact angle measurements, and inductively coupled plasma atomic emission spectroscopy. Herein, the scanning electron microscopic images revealed that dissolution occurred in a corrosion-like manner by enlarging porous structures, which led to loss of structural integrity. In addition, covalently modified SNF-APTS with more hydrophobic surfaces and smaller surface areas resulted in significantly slower dissolution compared to SNF and physically modified SNF-PDL, revealing that different surface modifications can be used to tune the dissolution rate. Growth of primary hippocampal neuron on all substrates led to a slower dissolution rate. The three-dimensional SNF with larger surface area and higher surface density of the amino group promoted better cell attachment and resulted in an increased neurite density. This is the first known work addressing the degradability of SNF substrate in physiological conditions with neuron growth in vitro, suggesting a strong potential for the applications of the material in controlled drug release.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».