MétaCan
Menu
Retour à la cohorte
Enregistrement W2789413652 · doi:10.1038/s41598-018-22741-8

In tendons, differing physiological requirements lead to functionally distinct nanostructures

2018· article· en· W2789413652 sur OpenAlexafffund
Andrew Quigley, Stéphane Bancelin, Dylan Deska‐Gauthier, François Légaré, Laurent Kreplak, Samuel P. Veres

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTendon Structure and Treatment
Établissements canadiensSaint Mary's UniversityInstitut National de la Recherche ScientifiqueDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTendonFibrilCollagen fibrilBiophysicsStrain (injury)Function (biology)ChemistryAnatomyElongationMaterials scienceCell biologyBiologyUltimate tensile strengthComposite material

Résumé

récupéré en direct d'OpenAlex

The collagen-based tissues of animals are hierarchical structures: even tendon, the simplest collagenous tissue, has seven to eight levels of hierarchy. Tailoring tissue structure to match physiological function can occur at many different levels. We wanted to know if the control of tissue architecture to achieve function extends down to the nanoscale level of the individual, cable-like collagen fibrils. Using tendons from young adult bovine forelimbs, we performed stress-strain experiments on single collagen fibrils extracted from tendons with positional function, and tendons with energy storing function. Collagen fibrils from the two tendon types, which have known differences in intermolecular crosslinking, showed numerous differences in their responses to elongation. Unlike those from positional tendons, fibrils from energy storing tendons showed high strain stiffening and resistance to disruption in both molecular packing and conformation, helping to explain how these high stress tissues withstand millions of loading cycles with little reparative remodeling. Functional differences in load-bearing tissues are accompanied by important differences in nanoscale collagen fibril structure.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,647
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,033
Tête enseignante GPT0,312
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations70
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetTendon Structure and TreatmentTravaux en français237 207