MétaCan
Menu
Retour à la cohorte
Enregistrement W2897452269 · doi:10.1002/btpr.2699

Tissue and organ decellularization in regenerative medicine

2018· review· en· W2897452269 sur OpenAlexafffund
Rajesh Guruswamy Damodaran, Patrick Vermette

Notice bibliographique

RevueBiotechnology Progress · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensHealth and Social Services Centre University Institute of Geriatrics of SherbrookeUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversité de Sherbrooke
Mots-clésDecellularizationRegenerative medicineExtracellular matrixTransplantationTissue engineeringScaffoldCell biologyChemistryBiomedical engineeringStem cellBiologyMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

The advancement and improvement in decellularization methods can be attributed to the increasing demand for tissues and organs for transplantation. Decellularized tissues and organs, which are free of cells and genetic materials while retaining the complex ultrastructure of the extracellular matrix (ECM), can serve as scaffolds to subsequently embed cells for transplantation. They have the potential to mimic the native physiology of the targeted anatomic site. ECM from different tissues and organs harvested from various sources have been applied. Many techniques are currently involved in the decellularization process, which come along with their own advantages and disadvantages. This review focuses on recent developments in decellularization methods, the importance and nature of detergents used for decellularization, as well as on the role of the ECM either as merely a physical support or as a scaffold in retaining and providing cues for cell survival, differentiation and homeostasis. In addition, application, status, and perspectives on commercialization of bioproducts derived from decellularized tissues and organs are addressed. © 2018 American Institute of Chemical Engineers Biotechnol. Prog., 34:1494-1505, 2018.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,040
Tête enseignante GPT0,360
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology ProgressMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207