MétaCan
Menu
Retour à la cohorte
Enregistrement W2412500515 · doi:10.1038/srep27693

Biomineralization Guided by Paper Templates

2016· article· en· W2412500515 sur OpenAlexaff
Gulden Camci‐Unal, Anna Laromaine, Estrella Hong, Ratmir Derda, George M. Whitesides

Notice bibliographique

RevueScientific Reports · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesHansjörg Wyss Institute for Biologically Inspired Engineering, Harvard UniversityDefense Advanced Research Projects AgencyUniversity of Texas Health Science Center at HoustonHarvard UniversityNational Science Foundation
Mots-clésBiomineralizationScaffoldTemplateMineralization (soil science)PorosityFabricationMaterials scienceNanotechnologyCalciumMineralized tissuesTissue engineeringBiomedical engineeringComputer scienceChemistryChemical engineeringComposite materialDatabase

Résumé

récupéré en direct d'OpenAlex

This work demonstrates the fabrication of partially mineralized scaffolds fabricated in 3D shapes using paper by folding, and by supporting deposition of calcium phosphate by osteoblasts cultured in these scaffolds. This process generates centimeter-scale free-standing structures composed of paper supporting regions of calcium phosphate deposited by osteoblasts. This work is the first demonstration that paper can be used as a scaffold to induce template-guided mineralization by osteoblasts. Because paper has a porous structure, it allows transport of O2 and nutrients across its entire thickness. Paper supports a uniform distribution of cells upon seeding in hydrogel matrices, and allows growth, remodelling, and proliferation of cells. Scaffolds made of paper make it possible to construct 3D tissue models easily by tuning material properties such as thickness, porosity, and density of chemical functional groups. Paper offers a new approach to study mechanisms of biomineralization, and perhaps ultimately new techniques to guide or accelerate the repair of bone.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,090
Score d'incertitude au seuil0,754

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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 tête enseignante, 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

Citations49
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207