MétaCan
Menu
Retour à la cohorte
Enregistrement W3158546673 · doi:10.1126/sciadv.abe7204

Combinatorial screen of dynamic mechanical stimuli for predictive control of MSC mechano-responsiveness

2021· article· en· W3158546673 sur OpenAlexafffund
Haijiao Liu, Jenna Usprech, Prabu Karthick Parameshwar, Yu Sun, Craig A. Simmons

Notice bibliographique

RevueScience Advances · 2021
Typearticle
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 cellComputer scienceBiomedical engineeringMaterials scienceCell biologyBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Mechanobiological-based control of mesenchymal stromal cells (MSCs) to facilitate 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 probed the individual and integrative effects of mechanical stimulation parameters (strain magnitude, rate at which strain is changed, and duty period) on myofibrogenesis and matrix production of MSCs in three-dimensional hydrogels. These functions were found to be dominantly influenced by a previously unidentified, higher-order interactive effect between strain magnitude and duty period. Empirical models based on our combinatorial cue-response data predicted an optimal loading regime in which strain magnitude and duty period 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 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 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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,296
Écart entre enseignants0,289 · 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

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetCellular Mechanics and InteractionsTravaux en français237 207