Oxidative Nanopatterning of Titanium Surface Influences mRNA and MicroRNA Expression in Human Alveolar Bone Osteoblastic Cells
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
Titanium implants have been extensively used in orthopedic and dental applications. It is well known that micro- and nanoscale surface features of biomaterials affect cellular events that control implant-host tissue interactions. To improve our understanding of how multiscale surface features affect cell behavior, we used microarrays to evaluate the transcriptional profile of osteoblastic cells from human alveolar bone cultured on engineered titanium surfaces, exhibiting the following topographies: nanotexture (N), nano+submicrotexture (NS), and rough microtexture (MR), obtained by modulating experimental parameters (temperature and solution composition) of a simple yet efficient chemical treatment with a H2SO4/H2O2 solution. Biochemical assays showed that cell culture proliferation augmented after 10 days, and cell viability increased gradually over 14 days. Among the treated surfaces, we observed an increase of alkaline phosphatase activity as a function of the surface texture, with higher activity shown by cells adhering onto nanotextured surfaces. Nevertheless, the rough microtexture group showed higher amounts of calcium than nanotextured group. Microarray data showed differential expression of 716 mRNAs and 32 microRNAs with functions associated with osteogenesis. Results suggest that oxidative nanopatterning of titanium surfaces induces changes in the metabolism of osteoblastic cells and contribute to the explanation of the mechanisms that control cell responses to micro- and nanoengineered 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 | 0,000 | 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 découle