MétaCan
Menu
Retour à la cohorte
Enregistrement W2968801532 · doi:10.3390/cells8080917

Biomimetic In Vitro Model of Cell Infiltration into Skin Scaffolds for Pre-Screening and Testing of Biomaterial-Based Therapies

2019· article· en· W2968801532 sur OpenAlexafffund
Rafael Ballesteros-Cillero, Evan Davison-Kotler, Nupur Kohli, William S. Marshall, Elena García‐Gareta

Notice bibliographique

RevueCells · 2019
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiomaterialBiomedical engineeringIn vitroMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

Due to great clinical need, research where different biomaterials are tested as 3D scaffolds for skin tissue engineering has increased. In vitro studies use a cell suspension that is simply pipetted onto the material and cultured until the cells migrate and proliferate within the 3D scaffold, which does not mimic the in vivo reality. Our aim was to engineer a novel biomimetic in vitro model that mimics the natural cell infiltration process occurring in wound healing, thus offering a realistic approach when pre-screening and testing new skin substitutes. Our model consists of porous membrane cell culture inserts coated with gelatin and seeded with human dermal fibroblasts, inside which two different commercially available dermal substitutes were placed. Several features relevant to the wound healing process (matrix contraction, cell infiltration and proliferation, integration of the biomaterial with the surrounding tissue, and secretion of exogenous cytokines and growth factors) were evaluated. Our results showed that cells spontaneously infiltrate the materials and that our engineered model is able to induce and detect subtle differences between different biomaterials. The model allows for room for improvements or "adds-on" and miniaturization and can contribute to the development of functional and efficient skin substitutes for burns and chronic wounds.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,433
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations13
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCellsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207