The spatial patterning of RGD and BMP‐2 mimetic peptides at the subcellular scale modulates human mesenchymal stem cells osteogenesis
Notice bibliographique
Résumé
Engineering artificial extracellular matrices, based on the biomimicry of the spatial distribution of proteins and growth factors within their native microenvironment, is of great importance for understanding mechanisms of bone tissue regeneration. Herein, photolithography is used to decorate glass surfaces with subcellular patterns of RGD and BMP-2 ligands; two mimetic peptides recognized to be involved in stem cells osteogenesis. The biological relevance of well-defined RGD and BMP-2 patterned surfaces is evaluated by investigating the differentiation of human mesenchymal stem cells (hMSCs) into osteoblasts, in the absence of induction media. The extent of hMSCs differentiation is revealed to be dependent on both the pattern shape and the ligand type. Indeed, the spatial patterning of BMP-2, but not RGD peptide, significantly enhances the extent of hMSCs differentiation, suggesting that geometric cues guide stem cells specification into specialized cells in a ligand type dependent manner. Such cell culture models provide an interesting tool to investigate how stem cells perceive and respond to their microenvironment and may contribute to the development of next-generation biomaterials capable of producing clinically relevant volume of bone tissue. © 2017 Wiley Periodicals, Inc. J Biomed Mater Res Part A: 106A: 959-970, 2018.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».