Microcarrier Screening for Skin-derived Precursor Schwann Cell Culture in Stirred Tank Bioreactors
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
Skin derived precursor Schwann cells (SKP-SCs) are currently being investigated for use in peripheral nerve repair. Current static culture methods are not adequate to produce the high number of cells needed for treatments. As a result, suspension bioreactors are an attractive option. To culture adherent cells, like the SKP-SCs, in suspension, it is common practise to use small spherical beads called microcarriers. Microcarriers typically have diameters of 100µm to 400µm can be manufactured out of many materials, but are typically made from materials that can withstand the forces seen in a bioreactor. When inoculated, the cells will attach to the microcarriers and proliferate. This attachment depends on many factors including chemical composition, surface topography, degree of porosity, and charge. Because there are many different commercially available microcarriers with varying properties, we needed to screen these for our specific cell type. We selected four microcarriers to test, Cytodex 3, Hillex II, ProNectin F, and Plastic Plus. We first compared attachment to the microcarriers in shaken well plates, then compared the growth kinetics of SKP-SCs in the shaken well plates. Finally we investigated the growth kinetics of SKP-SCs in bioreactors. We found that Cytodex 3 and Hillex II had the highest attachment rate after 18 hours. Over the growth period of 9 days, Cytodex 3 showed significantly higher growth compared to the other microcarriers. Lastly Cytodex 3 had the highest growth in suspension bioreactors. Based on these results we are confident in using Cytodex 3 to develop our process further.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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