MétaCan
Menu
Retour à la cohorte
Enregistrement W3111662100 · doi:10.1101/2020.12.07.414839

Combinatorial Screen of Dynamic Mechanical Stimuli for Predictive Control of MSC Mechano-Responsiveness

2020· preprint· en· W3111662100 sur OpenAlexafffund
Haijiao Liu, Jenna Usprech, Prabu Karthick Parameshwar, Yu Sun, Craig A. Simmons

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensTed Rogers Centre for Heart ResearchUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMesenchymal stem cellStrain (injury)Self-healing hydrogelsMatrix (chemical analysis)StimulationComputer scienceTissue engineeringMaterials scienceStromal cellBiomedical engineeringBiological systemCell biologyBiologyEngineeringNeuroscienceAnatomyComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Mechanobiological-based control of mesenchymal stromal cells (MSCs) to aid in the engineering and regeneration of load-bearing tissues requires systematic investigations of specific dynamic mechanical stimulation protocols. Using deformable membrane microdevice arrays paired with combinatorial experimental design and modeling, we systematically probed the individual and integrative effects of mechanical stimulation parameters (strain magnitude (STRAIN), rate at which strain is changed (RATE) and duty period (DUTY)) on myofibrogenesis and matrix production of MSCs in 3D hydrogels. These functions were found to be dominantly influenced by a novel and higher-order interactive effect between STRAIN and DUTY. Empirical models based on our combinatorial cue-response data predicted an optimal loading regime in which STRAIN and DUTY were increased synchronously over time, which was validated to most effectively promote MSC matrix production. These findings inform the design of loading regimes for MSC-based engineered tissues and validate a broadly applicable approach to probe multifactorial regulating effects of microenvironmental and mechanobiological cues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,243
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetCellular Mechanics and InteractionsTravaux en français237 207