MétaCan
Menu
Retour à la cohorte
Enregistrement W2966310143 · doi:10.1002/anie.201907817

Potential‐Responsive Surfaces for Manipulation of Cell Adhesion, Release, and Differentiation

2019· article· en· W2966310143 sur OpenAlexafffund
Libing Zhang, Zongjie Wang, Jagotamoy Das, Mahmoud Labib, Sharif Ahmed, Edward H. Sargent, Shana O. Kelley

Notice bibliographique

RevueAngewandte Chemie International Edition · 2019
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAdhesionCell adhesionAdipogenesisCell biologyCellBiophysicsStem cellCellular differentiationChemistryNanotechnologyMaterials scienceBiologyBiochemistryMesenchymal stem cell

Résumé

récupéré en direct d'OpenAlex

In living systems, interfacial molecular interactions control many biological processes. New stimuli-responsive strategies are desired to provide versatile model systems that can regulate cell behavior in vitro. Described here are potential-responsive surfaces that control cell adhesion and release as well as stem cell differentiation. Cell adhesion can be modulated dynamically by applying negative and positive potentials to surfaces functionalized with tailored monolayers. This process alters cell morphology and ultimately controls behavior and the fate of the cells. Cells can be detached from the electrode surface as intact clusters with different geometries using electrochemical potentials. Importantly, morphological changes during adhesion guide stem cell differentiation. The higher accessibility of the peptide under a positive applied potential causes phenotypic changes in the cells that are hallmarks of osteogenesis, whereas lower accessibility of the peptide promoted by negative potentials leads to adipogenesis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,018
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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'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

Citations51
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAngewandte Chemie International EditionMême sujetNeuroscience and Neural EngineeringTravaux en français237 207