MétaCan
Menu
Retour à la cohorte
Enregistrement W2768626269 · doi:10.1021/acsbiomaterials.7b00619

Decellularized Matrices As Cell-Instructive Scaffolds to Guide Tissue-Specific Regeneration

2017· article· en· W2768626269 sur OpenAlexafffund
Kevin P. Robb, Arthi Shridhar, Lauren E. Flynn

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésDecellularizationExtracellular matrixRegenerative medicineRegeneration (biology)Tissue engineeringCell biologyParacrine signallingStem cellProgenitor cellScaffoldChemistryBiomedical engineeringBiologyMedicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

Decellularized scaffolds are promising clinically translational biomaterials that can be applied to direct cell responses and promote tissue regeneration. Bioscaffolds derived from the extracellular matrix (ECM) of decellularized tissues can naturally mimic the complex extracellular microenvironment through the retention of compositional, biomechanical, and structural properties specific to the native ECM. Increasingly, studies have investigated the use of ECM-derived scaffolds as instructive substrates to recapitulate properties of the stem cell niche and guide cell proliferation, paracrine factor production, and differentiation in a tissue-specific manner. Here, we review the application of decellularized tissue scaffolds as instructive matrices for stem or progenitor cells, with a focus on the mechanisms through which ECM-derived scaffolds can mediate cell behavior to promote tissue-specific regeneration. We conclude that although additional preclinical studies are required, ECM-derived scaffolds are a promising platform to guide cell behavior and may have widespread clinical applications in the field of regenerative medicine.

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: aucune
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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,014
Tête enseignante GPT0,291
Écart entre enseignants0,277 · 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

Citations86
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207