Multi-component peptide hydrogels – a systematic study incorporating biomolecules for the exploration of diverse, tuneable biomaterials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Peptide-based supramolecular gels can be designed to be functional "smart" materials that have applications in drug delivery, tissue engineering, and supramolecular chemistry. Although many multi-component gel systems have been designed and reported, many of these applications still rely solely on single-component gel systems which limits the functionalities of the materials. Multi-component self-assembly leads to the formation of highly ordered and complex architectures while offering the possibility to generate hydrogels with interesting properties including functional complexity and diverse morphologies. Being able to incorporate various classes of biomolecules can allow for tailoring the materials' functionalities to specific application needs. Here, a novel peptide amphiphile, myristyl-Phe-Phe (C14-FF), was synthesized and explored for hydrogel formation. The hydrogel possesses a nanofiber matrix morphology, composed of β-sheet aggregates, a record-low gelation concentration for this class of compounds, and a unique solvent-dependent helical switch. The C14-FF hydrogel was then explored with various classes of biomolecules (carbohydrates, vitamins, proteins, building blocks of HA) to generate a multi-component library of gels that have potential to represent the complex natural extracellular matrix. Selected multi-component gels exhibit an excellent compatibility with mesenchymal stem cells showing high cell viability percentages, which holds great promise for applications in regenerative therapy.
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.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle