An Engineered Infected Epidermis Model for In Vitro Study of the Skin’s Pro-Inflammatory Response
Notice bibliographique
Résumé
Wound infection is a major clinical challenge that can significantly delay the healing process, can create pain, and requires prolonged hospital stays. Pre-clinical research to evaluate new drugs normally involves animals. However, ethical concerns, cost, and the challenges associated with interspecies variation remain major obstacles. Tissue engineering enables the development of in vitro human skin models for drug testing. However, existing engineered skin models are representative of healthy human skin and its normal functions. This paper presents a functional infected epidermis model that consists of a multilayer epidermis structure formed at an air-liquid interface on a hydrogel matrix and a three-dimensionally (3D) printed vascular-like network. The function of the engineered epidermis is evaluated by the expression of the terminal differentiation marker, filaggrin, and the barrier function of the epidermis model using the electrical resistance and permeability across the epidermal layer. The results showed that the multilayer structure enhances the electrical resistance by 40% and decreased the drug permeation by 16.9% in the epidermis model compared to the monolayer cell culture on gelatin. We infect the model with Escherichia coli to study the inflammatory response of keratinocytes by measuring the expression level of pro-inflammatory cytokines (interleukin 1 beta and tumor necrosis factor alpha). After 24 h of exposure to Escherichia coli, the level of IL-1β and TNF-α in control samples were 125 ± 78 and 920 ± 187 pg/mL respectively, while in infected samples, they were 1429 ± 101 and 2155.5 ± 279 pg/mL respectively. However, in ciprofloxacin-treated samples the levels of IL-1β and TNF-α without significant difference with respect to the control reached to 246 ± 87 and 1141.5 ± 97 pg/mL respectively. The robust fabrication procedure and functionality of this model suggest that the model has great potential for modeling wound infections and drug testing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».