MétaCan
Menu
Retour à la cohorte
Enregistrement W2558013825 · doi:10.1002/anie.201610353

Supramolecular Nanofibrillar Thermoreversible Hydrogel for Growth and Release of Cancer Spheroids

2016· article· en· W2558013825 sur OpenAlexafffund
Yunfeng Li, Nancy Khuu, Albert Gevorkian, Sharon Sarjinsky, Héloïse Thérien‐Aubin, Yihe Wang, Sangho Cho, Eugenia Kumacheva

Notice bibliographique

RevueAngewandte Chemie International Edition · 2016
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSelf-healing hydrogelsSpheroidMaterials sciencePolymerCell encapsulationAqueous suspensionNanotechnologyCancer cellExtracellular matrixChemical engineering3D cell cultureSupramolecular chemistryTissue engineeringBiophysicsChemistryAqueous solutionPolymer chemistryCellCancerMoleculeBiomedical engineeringOrganic chemistryIn vitroBiochemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Growth of three-dimensional cancer spheroids (CSs) in man-made hydrogels mimicking natural extracellular matrix is an important and challenging task. Herein, we report on a supramolecular temperature-responsive hydrogel designed for the growth and subsequent release of CSs. A filamentous hydrogel was formed at 37 °C from an aqueous suspension of cellulose nanocrystals surface-functionalized with temperature-responsive polymer molecules. The encapsulation of cells in the hydrogel enabled effective growth of CSs with dimensions determined by the concentration of cellulose nanocrystals in the hydrogel. On demand release of CSs without loss of cell viability and spheroid integrity was achieved upon hydrogel cooling. The tumorigenic properties of the released CSs were examined by encapsulating and re-growing them in fibrin hydrogel. The results in this work can be used in fundamental cancer research and in cancer drug screening.

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 enseignants0,057
Score d'incertitude au seuil0,247

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,265
Écart entre enseignants0,254 · 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

Citations88
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujet3D Printing in Biomedical ResearchTravaux en français237 207