Optimization of Injectable Thermosensitive Scaffolds with Enhanced Mechanical Properties for Cell Therapy
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
Strong injectable chitosan thermosensitive hydrogels can be created, without chemical modification, by combining sodium hydrogen carbonate with another weak base, namely, beta-glycerophosphate (BGP) or phosphate buffer (PB). Here the influence of gelling agent concentration on the mechanical properties, gelation kinetics, osmolality, swelling, and compatibility for cell encapsulation, is studied in order to find the most optimal formulations and demonstrate their potential for cell therapy and tissue engineering. The new formulations present up to a 50-fold increase of the Young's modulus after gelation compared with conventional chitosan-BGP hydrogels, while reducing the ionic strength to the level of iso-osmolality. Increasing PB concentration accelerates gelation but reduces the mechanical properties. Increasing BGP also has this effect, but to a lesser extent. Cells can be easily encapsulated by mixing the cell suspension within the hydrogel solution at room temperature, prior to rapid gelation at body temperature. After encapsulation, L929 mouse fibroblasts are homogeneously distributed within scaffolds and present a strongly increased viability and growth, when compared with conventional chitosan-BGP hydrogels. Two particularly promising formulations are evaluated with human mesenchymal stem cells. Their viability and metabolic activity are maintained over 7 d 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.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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