A novel, cell‐permeable, collagen‐based membrane promotes fibroblast migration
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Growth factors are frequently incorporated into scaffolds to promote periodontal regeneration but many currently used scaffolds do not encourage cell migration towards the dentogingival junction. We examined the proliferation and migration of human gingival fibroblasts in a novel, physically robust, collagen-Vicryl™ membrane loaded with fibronectin (FN) and/or insulin-like growth factor (IGF-I). Biocompatibility of the membranes was evaluated in rat dorsal skin. MATERIAL AND METHODS: Chemotaxis was examined in Boyden chambers and cell migration by confocal imaging of membranes, which were fabricated from rat tail type I collagen with embedded Vicryl knitted mesh, IGF-I (50, 100 ng/mL) and FN (10 μg/mL). Membranes (Vicryl alone, collagen+Vicryl, collagen+Vicryl+IGF-I, collagen+Vicryl+FN') were implanted subcutaneously in 8 rats and were evaluated by histomorphometry after 7 and 14 days. RESULTS: IGF-I (50 or 100 ng/mL) promoted chemotaxis compared with vehicle controls (P = .02, P = .001, respectively). IGF-I did not affect cell proliferation. Incorporation of FN retarded time-dependent release of IGF-I from collagen gels. Three dimensional confocal microscopy imaging of cell migration through collagen+Vicryl membranes showed enhanced migration in the IGF+FN group compared to all other groups at 8, 10 and 14 days (P < .05). In a rat skin model, implanted membranes were surrounded by thin collagen capsules and mild inflammatory infiltrates. CONCLUSION: Incorporation of FN into IGF-I-loaded collagen+Vicryl membranes reduced IGF release from collagen and increased the migration of human gingival fibroblasts. The new membrane may promote healing and reformation of the dentogingival junction.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».