MétaCan
Menu
Retour à la cohorte
Enregistrement W2888223014 · doi:10.15562/gnc.53

Stem Cells’ Future: Toward Organ Bioprinting

2017· article· en· W2888223014 sur OpenAlexvenueno aff
Jalal Omrani, Madjid Momeni‐Moghaddam

Notice bibliographique

RevueJournal of Genes and Cells · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRegenerative medicineTissue engineeringStem cellMesenchymal stem cellRegeneration (biology)3D bioprintingExtracellular matrixCell typeTransplantationBiologyClinical uses of mesenchymal stem cellsCell biologyCellAdult stem cellCellular differentiationMedicine

Résumé

récupéré en direct d'OpenAlex

Organ Bioprinting is a new approach in the field of regenerative medicine that try to make a whole intact functionally active organ from tissue specific cells. Providing such organs are very important because every year many patients need to organ transplantation but the number of donors are so limited. Organs made from different tissue with different kinds of cell types and for Organ Bioprinting first we need to provide these cell types. Currently, with regards to advances in stem cell biology specially invention of easy methods for isolation mesenchymal stem cells (MSCs) as one the appropriate cell type for regeneration purpose and also due to their unique properties including lack of immune-rejection in allograft, MSCs have gained attention for using in organ production. MSCs can isolate from many tissues of adults and differentiate in a targeted manner into cells of interest; provide a main material of tissue engineering triangle (i.e. cells, biomaterial and growth factors) for 3D bioprinting of human organs on a substrate. Printers have the ability of designing tissues and organs with fusing living tissue specific cells and extracellular matrix in layers to produce 3D biologically functional new organ. It is conceivable that in the near future, stem cells will play their predicted role; i.e. whole organ production.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil0,287

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 Opus0,023
Tête enseignante GPT0,258
Écart entre enseignants0,235 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Genes and CellsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207