MRI method for labeling and imaging decellularized extracellular matrix scaffolds for tissue engineering
Notice bibliographique
Résumé
Purpose To develop a facile method for labeling and imaging decellularized extracellular matrix (dECM) scaffolds intended for regenerating 3D tissues. Methods A small molecule manganese porphyrin, MnPNH 2 , was synthesized and used to label dECM scaffolds made from porcine bladder and trachea and murine whole lungs. The labeling protocol was optimized on bladder dECM, and imaging on a 3T clinical scanner was performed to assess reductions in T 1 and T 2 relaxation times. In vivo MRI was performed on dECM injected in the rat dorsum to verify sensitivity of detection. Toxicity assays for cell viability, metabolism, and proliferation were performed on human umbilical vein endothelial cells. The incorporation of MnPNH 2 and its long‐term retention in dECM were assessed on transmission electron microscopy and ultraviolet absorbance of eluted MnPNH 2 over time. Results All tissues, including thick whole 3D organs, were uniformly labeled and demonstrated high signal‐to‐noise on MRI. A nearly 10‐fold reduction in T 1 was consistently obtained at a labeling dose of 0.4 mM, and even 0.2 mM provided sufficient contrast in vivo and ex vivo. No toxicity was observed up to 0.4 mM, the maximum tested. Binding studies suggested nonspecific association, and retention studies in the labeled whole decellularized lungs revealed less than 20% MnPNH 2 loss over 30 days, the majority occurring in the first 3 days after labeling. Conclusion The proposed labeling method is the first report for visualizing dECM on MRI and has the potential for long‐term monitoring and optimization of dECM‐based organ tissue engineering.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».