MétaCan
Menu
Retour à la cohorte
Enregistrement W3111021351 · doi:10.1002/mame.202000604

A Carbodiimide Coupling Approach for PEGylating GelMA and Further Tuning GelMA Composite Properties

2020· article· en· W3111021351 sur OpenAlexafffund
Patricia Comeau, Thomas L. Willett

Notice bibliographique

RevueMacromolecular Materials and Engineering · 2020
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSwellingMaterials scienceGelatinPEGylationPolyethylene glycolPEG ratioComposite numberCarbodiimideDifferential scanning calorimetryComposite materialAbsorption of waterChemical engineeringPolymer chemistryChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract To date the low mechanical strength and high swelling rate of gelatin‐based products have limited their use toward many tissue engineering targets. Here a new approach to tuning methacrylated gelatin (GelMA) properties involving the carbodiimide coupling of polyethylene glycol (PEG) to the GelMA molecule is investigated. PEGylation improves the capacity of the solution to flow and reduces hydrogel swelling, while in composite form with nano‐hydroxyapatite (nHA) particles there is no impact on swelling. Differential scanning calorimetry (DSC) reveals that PEGylation likely restores some of the triple helical nature of gelatin to the GelMA and increases steric hindrance. Furthermore, triethyleneglycol dimethacrylate inclusion in GelMA‐PEG composites is able to address the loss in dynamic stiffness reported as a result of PEGylation. Altogether PEGylated GelMA shows evidence of reduced interaction with water compared to control GelMA, whether alone or in composite form. By tuning this interaction and reducing the volume of water necessary to solvate GelMA, the potential to use GelMA composites for a variety of tissue engineering applications is greatly improved.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,924

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,207
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMacromolecular Materials and EngineeringMême sujet3D Printing in Biomedical ResearchTravaux en français237 207