MétaCan
Menu
Retour à la cohorte
Enregistrement W2788138289 · doi:10.1021/acs.langmuir.7b04108

Layers and Multilayers of Self-Assembled Polymers: Tunable Engineered Extracellular Matrix Coatings for Neural Cell Growth

2018· review· en· W2788138289 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueLangmuir · 2018
Typereview
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensMontreal Neurological Institute and HospitalMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésExtracellular matrixNanotechnologyMaterials scienceBiocompatibilityScaffoldTissue engineeringNeural cellSurface modificationCoatingBiomedical engineeringChemistryCellCell biologyBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

Growing primary cells and tissue in long-term cultures, such as primary neural cell culture, presents many challenges. A critical component of any environment that supports neural cell growth in vivo is an appropriate 2-D surface or 3-D scaffold, typically in the form of a thin polymer layer that coats an underlying plastic or glass substrate and aims to mimic critical aspects of the extracellular matrix. A fundamental challenge to mimicking a hydrophilic, soft natural cell environment is that materials with these properties are typically fragile and are difficult to adhere to and stabilize on an underlying plastic or glass cell culture substrate. In this review, we highlight the current state of the art and overview recent developments of new artificial extracellular matrix (ECM) surfaces for in vitro neural cell culture. Notably, these materials aim to strike a balance between being hydrophilic and soft while also being thick, stable, robust, and bound well to the underlying surface to provide an effective surface to support long-term cell growth. We focus on improved surface and scaffold coating systems that can mimic the natural physicochemical properties that enhance neuronal survival and growth, applied as soft hydrophilic polymer coatings for both in vitro cell culture and for implantable neural probes and 3-D matrixes that aim to enhance stability and longevity to promote neural biocompatibility in vivo. With respect to future developments, we outline four emerging principles that serve to guide the development of polymer assemblies that function well as artificial ECMs: (a) design inspired by biological systems and (b) the employment of principles of aqueous soft bonding and self-assembly to achieve (c) a high-water-content gel-like coating that is stable over time in a biological environment and possesses (d) a low modulus to more closely mimic soft, compliant real biological tissue. We then highlight two emerging classes of thick material coatings that have successfully captured these guiding principles: layer-by-layer deposited water-soluble polymers (LbL) and silk fibroin (SF) materials. Both materials can be deposited from aqueous solution yet transition to a water-insoluble coating for long-term stability while retaining a softness and water content similar to those of biological materials. These materials hold great promise as next-generation biocompatible coatings for tissue engineers and for chemists and biologists within the biomedical field.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,313
Écart entre enseignants0,283 · 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