Engineering bioprintable alginate/gelatin composite hydrogels with tunable mechanical and cell adhesive properties to modulate tumor spheroid growth kinetics
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
Tunable bioprinting materials are capable of creating a broad spectrum of physiological mimicking 3D models enabling in vitro studies that more accurately resemble in vivo conditions. Tailoring the material properties of the bioink such that it achieves both bioprintability and biomimicry remains a key challenge. Here we report the development of engineered composite hydrogels consisting of gelatin and alginate components. The composite gels are demonstrated as a cell-laden bioink to build 3D bioprinted in vitro breast tumor models. The initial mechanical characteristics of each composite hydrogel are correlated to cell proliferation rates and cell spheroid morphology spanning month long culture conditions. MDA-MB-231 breast cancer cells show gel formulation-dependency on the rates and frequency of self-assembly into multicellular tumor spheroids (MCTS). Hydrogel compositions comprised of decreasing alginate concentrations, and increasing gelatin concentrations, result in gels that are mechanically soft and contain a greater number of cell-adhesion moieties driving the development of large MCTS; conversely gels containing increasing alginate, and decreasing gelatin concentrations are mechanically stiffer, with fewer cell-adhesion moieties present in the composite gels yielding smaller and less viable MCTS. These composite hydrogels can be used in the biofabrication of tunable in vitro systems that mimic both the mechanical and biochemical properties of the native tumor stroma.
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