Development of a conductive biocomposite combining graphene and amniotic membrane for replacement of the neuronal network of tissue-engineered urinary bladder
Notice bibliographique
Résumé
Tissue engineering allows to combine biomaterials and seeded cells to experimentally replace urinary bladder wall. The normal bladder wall however, includes branched neuronal network propagating signals which regulate urine storage and voiding. In this study we introduced a novel biocomposite built from amniotic membrane (Am) and graphene which created interface between cells and external stimuli replacing neuronal network. Graphene layers were transferred without modifying Am surface. Applied method allowed to preserve the unique bioactive characteristic of Am. Tissue engineered constructs composed from biocomposite seeded with smooth muscle cells (SMC) derived from porcine detrusor and porcine urothelial cells (UC) were used to evaluate properties of developed biomaterial. The presence of graphene layer significantly increased electrical conductivity of biocomposite. UCs and SMCs showed an organized growth pattern on graphene covered surfaces. Electrical filed stimulation (EFS) applied in vitro led additionally to increased SMCs growth and linear arrangement. 3D printed chamber equipped with 3D printed graphene based electrodes was fabricated to deliver EFS and record pressure changes caused by contracting SMCs seeded biocomposite. Observed contractile response indicated on effective SMCs stimulation mediated by graphene layer which constituted efficient cell to biomaterial interface.
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) | 0,000 | 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 | 0,000 |
| 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 ».