MétaCan
Menu
Retour à la cohorte
Enregistrement W2996404693 · doi:10.1089/ten.tec.2019.0123

Robust and Precise Wounding and Analysis of Engineered Contractile Tissues

2019· article· en· W2996404693 sur OpenAlexaff
Sarah J. Dubois, Nikita Kalashnikov, Christopher Moraes

Notice bibliographique

RevueTissue Engineering Part C Methods · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWound closureProcess (computing)Biomedical engineeringClosure (psychology)Wound healingTissue engineeringFibroblastComputer scienceSurgeryMaterials scienceAnatomyCell biologyChemistryMedicineBiologyIn vitro

Résumé

récupéré en direct d'OpenAlex

Fibrous tissue gap closure is a critically important process initiated in response to traumatic injury. Recent three-dimensional (3D) bioengineered models capture cellular details of this process, including wound retraction and closure, but have high failure rates, are labor-intensive, and require considerable expertise to develop and implement with tools that are typically not available in standard wet laboratories. Here, we develop a simple and effective 3D-printed wounding platform to reliably create and puncture arrays of prestressed tissues and monitor subsequent wound dynamics. We demonstrate the ability to create a range of wound sizes in a contractile collagen/fibroblast tissue, within 125 μm of the desired target location, with high degrees of circularity. Wounds exhibit an initial expansion due to tissue prestress, and sufficiently small wounds close completely within 24 h, while larger wounds initially closed much more rapidly, but did not complete the closure process. Simulating the dynamics of tissue retraction with a viscoplastic finite element model indicates a temporary elevation of circumferential stresses around the wound edge. Finally, to determine whether active wounding and retraction of the tissue significantly affect closure rates, we compared active puncture of prestressed tissue with passive removal of a structure that prevents closure, and found that active wounding and retraction substantially accelerated wound closure when compared with the passive case. Taken together, our findings support the role of active tissue mechanics in wound closure arising from an initial retraction of the tissue. More broadly, these findings demonstrate the utility of the platform and methodology developed here in further understanding the mechanobiological basis for wound closure. Impact Statement In vitro models to study wound formation and closure in prestressed tissue are typically challenging to implement. This work provides an easily accessible approach to produce and analyze wounds in arrays of contractile tissues that recapitulate critical features of wound retraction and closure in animal models. The specific modeling and experiments results presented here suggest that mechanobiology effects arising from wound retraction in viscoplastic extracellular matrices could play an important role in driving wound closure.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,365
Écart entre enseignants0,320 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTissue Engineering Part C MethodsMême sujetWound Healing and TreatmentsTravaux en français237 207