A scalable device-less biomaterial approach for subcutaneous islet transplantation
Notice bibliographique
Résumé
Abstract The subcutaneous space has been shown to be a suitable site for islet transplantation, however an abundance of islets is required to achieve normoglycemia, often requiring multiple donors. The loss of islets is due to the hypoxic conditions islets experience during revascularization, resulting in apoptosis. Therefore, to reduce the therapeutic dosage required to achieve normoglycemia, pre-vascularization of the subcutaneous space has been pursued. In this study, we highlight a biomaterial-based approach using a methacrylic acid copolymer coating to generate a robust pre-vascularized subcutaneous cavity for islet transplantation. We also devised a simple, but not-trivial, procedure for filling the cavity with an islet suspension in collagen. We show that the pre-vascularized site can support a marginal mass of islets to rapidly return streptozotocin-induced diabetic SCID/bg mice to normoglycemia. Furthermore, immunocompetent Sprague Daley rats remained normoglycemia for up to 70 days until they experienced graft destabilization as they outgrew their implants. This work highlights methacrylic acid-based biomaterials as a suitable pre-vascularization strategy for the subcutaneous space that is scalable and doesn’t require exogenous cells or growth factors. Summary In this study methacrylic acid copolymer coated tubes generated a robust vascular response in the subcutaneous space, which was critical to support islet transplantation in a streptozotocin-induced diabetic mouse model. More importantly, the subcutaneous pre-vascularization approach using this copolymer coating was scalable into a larger allogeneic rat model and returned animals to normoglycemia for up to 70 days. This platform highlights the potential of a scalable biomaterial approach for pre-vascularization of the subcutaneous space in larger animal models.
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 | 0,001 |
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 ».