A novel image analysis algorithm reveals that media conditioned with chitosan and platelet-rich plasma biomaterial dose dependently increases fibroblast migration in a scratch assay
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
Abstract Chitosan (CS) and Platelet-Rich Plasma (PRP) both display interesting properties for wound healing applications. A hybrid CS-PRP biomaterial was previously developped, consisting of a freeze dried CS formulation solubilized in PRP that promotes tissue repair and regeneration. The purpose of the current study was to investigate the ability of the CS-PRP biomaterial to stimulate cell migration in vitro . Scratch assays revealed that CS-PRP significantly stimulates the migration rate of cells compared to cells in culture medium but not differently than PRP alone. The increase in the migration rate is dose-dependent at low dose and reaches a plateau corresponding with maximum cell motility. Cell migration rate as a function of the number of platelets that have degranulated in culture medium (to which total concentration of growth factors contributing to cell response is proportionnal), follows a modified Hill model. To analyze photographs taken during the assay and follow cell migration, an open source image analysis algorithm was developed: SAMScratch (Systematic Area Measurement of Scratch - available here: https://github.com/Biomaterials-and-Cartilage-Laboratory/SAM-Scratch) . Compared with other existing analysis tools, the algorithm is precise in the determination of the scratch area and performs equally well with usual and challenging images. This study resulted in the creation of a freely available application for scratch assay analysis and provided evidence that CS-PRP implants hold promise for treatment of wounds.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle