Silicon Carbide Nanoparticles as an Effective Bioadhesive to Bond Collagen Containing Composite Gel Layers for Tissue Engineering Applications
Notice bibliographique
Résumé
Additive manufacturing via layer-by-layer adhesive bonding holds much promise for scalable manufacturing of tissue-like constructs, specifically scaffolds with integrated vascular networks for tissue engineering applications. However, there remains a lack of effective adhesives capable of composite layer fusion without affecting the integrity of patterned features. Here, the use of silicon carbide is introduced as an effective adhesive to achieve strong bonding (0.39 ± 0.03 kPa) between hybrid hydrogel films composed of alginate and collagen. The techniques have allowed us to fabricate multilayered, heterogeneous constructs with embedded high-resolution microchannels (150 µm-1 mm) that are precisely interspaced (500-600 µm). Hydrogel layers are effectively bonded with silicon carbide nanoparticles without blocking the hollow microchannels and high cell viability (90.61 ± 3.28%) is maintained within the scaffold. Nanosilica is also tested and found to cause clogging of smaller microchannels when used for interlayer bonding, but is successfully used to attach synthetic polymers (e.g., Tygon) to the hydrogels (32.5 ± 2.12 mN bond strength). This allows us to form inlet and outlet interconnections to the gel constructs. This ability to integrate hollow channel networks into bulk soft material structures for perfusion can be useful in 3D tissue engineering applications.
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) | 0,000 | 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 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 ».