Lubricant-Infused Surfaces with Built-In Functional Biomolecules Exhibit Simultaneous Repellency and Tunable Cell Adhesion
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Lubricant-infused omniphobic surfaces have exhibited outstanding effectiveness in inhibiting nonspecific adhesion and attenuating superimposed clot formation compared with other coated surfaces. However, such surfaces blindly thwart adhesion, which is troublesome for applications that rely on targeted adhesion. Here we introduce a new class of lubricant-infused surfaces that offer tunable bioactivity together with omniphobic properties by integrating biofunctional domains into the lubricant-infused layer. These novel surfaces promote targeted binding of desired species while simultaneously preventing nonspecific adhesion. To develop these surfaces, mixed self-assembled monolayers (SAMs) of aminosilanes and fluorosilanes were generated. Aminosilanes were utilized as coupling molecules for immobilizing capture ligands, and nonspecific adhesion of cells and proteins was prevented by infiltrating the fluorosilane molecules with a thin layer of a biocompatible fluorocarbon-based lubricant, thus generating biofunctional lubricant-infused surfaces. This method yields surfaces that (a) exhibit highly tunable binding of anti-CD34 and anti-CD144 antibodies and adhesion of endothelial cells, while repelling nonspecific adhesion of undesirable proteins and cells not only in buffer but also in human plasma or human whole blood, and (b) attenuate blood clot formation. Therefore, this straightforward and simple method creates biofunctional, nonsticky surfaces that can be used to optimize the performance of devices such as biomedical implants, extracorporeal circuits, and biosensors.
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.
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 | 0,000 | 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 découle