MétaCan
Menu
Retour à la cohorte
Enregistrement W2967363685 · doi:10.1088/1758-5090/ab3a5c

Engineering bioprintable alginate/gelatin composite hydrogels with tunable mechanical and cell adhesive properties to modulate tumor spheroid growth kinetics

2019· article· en· W2967363685 sur OpenAlexafffund
Tao Jiang, José G. Munguia-López, Kevin Gu, Maeva Bavoux, Salvador Flores-Torres, Jacqueline Kort-Mascort, Joel Grant, Sanahan Vijayakumar, Antonio De León‐Rodríguez, Allen J. Ehrlicher, Joseph M. Kinsella

Notice bibliographique

RevueBiofabrication · 2019
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y Tecnología
Mots-clésGelatinSelf-healing hydrogelsBiofabricationMaterials scienceComposite numberSpheroidAdhesionBiomedical engineeringTissue engineeringCell adhesionIn vivoNanotechnologyBiophysicsIn vitroChemical engineeringComposite materialChemistryPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

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.

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 enseignants0,000
Score d'incertitude au seuil0,002

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 recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,185
Écart entre enseignants0,178 · 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

Citations108
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiofabricationMême sujet3D Printing in Biomedical ResearchTravaux en français237 207