MétaCan
Menu
Retour à la cohorte
Enregistrement W2624444824 · doi:10.1186/s40824-017-0096-4

In vitro ion adsorption and cytocompatibility of dicalcium phosphate ceramics

2017· article· en· W2624444824 sur OpenAlexaff
Martha Schamel, Jake E. Barralet, Jürgen Gröll, Uwe Gbureck

Notice bibliographique

RevueBiomaterials Research · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensMcGill University
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésAdsorptionCeramicMaterials sciencePhosphateIonChemical engineeringIn vitroChemistryNanotechnologyComposite materialOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Background In vitro cell testing of degradable bioceramics such as brushite or monetite is often challenging due to the ion release into or adsorption from the culture medium. These ionic changes are then mostly responsible for cell proliferation and activity, which prohibits the investigation of effects originating from surface topography or further material modifications. Methods Here, we aimed to solve this problem by developing a pre-conditioning regime following the repeated immersion of brushite and monetite samples in various Ca 2+ , Mg 2+ and PO 4 3− containing electrolytes, followed by studying ion adsorption / release as well as changes in phase composition and in vitro cytocompatibility with MG63 cells. Results The results demonstrated that by using DMEM cell culture medium in a ratio of 10 ml/sample was sufficient to minimize changes of ionic composition after 7 d with a daily change of the medium. This leads to changes of the surface composition with dissolution of the brushite phase. In turn, this also positively influences the in vitro cytocompatibility with a 2–3 fold higher cell number and cell activity on the DMEM pretreated surfaces. Conclusions Controlled sample washing prior to cell testing using DMEM medium seems to be a valuable procedure not only to stabilize the pH during cell culture but also to maintain ion concentrations within a cell friendly range.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,059
Tête enseignante GPT0,350
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), 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

Citations28
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomaterials ResearchMême sujetBone Tissue Engineering MaterialsTravaux en français237 207