Converting Muscle-mimetic Biomaterials to Cartilage-like Materials
Notice bibliographique
Résumé
Summary Load-bearing tissues, such as muscle and cartilage, exhibit mechanical properties that often combine high elasticity, high toughness and fast recovery, despite their different stiffness (∼100 kPa for muscles and one to several MPa for cartilage). 1-7 The advance in protein engineering and protein mechanics has made it possible to engineer protein-based biomaterials to mimic soft load-bearing tissues, such as muscles. 8-10 However, it is challenging to engineer protein biomaterials to achieve the mechanical properties exhibited by stiff tissues, such as articular cartilage, 6,11 or to develop stiff synthetic extracellular matrices for cartilage stem/progenitor cell differentiation 12 . By employing physical entanglements 13 of protein chains and force-induced protein unfolding, 14,15 here we report the engineering of a highly tough and stiff protein hydrogel to mimic articular cartilage. By crosslinking an engineered artificial elastomeric protein from its unfolded state, we introduced chain entanglement into the hydrogel network. Upon renaturation, the entangled protein chain network and forced protein unfolding entailed this single network protein hydrogel with superb mechanical properties in both tensile and compression tests, showing a Young’s modulus of ∼0.7 MPa and toughness of 250 kJ/m 3 in tensile testing; and ∼1.7 MPa in compressive modulus and toughness of 3.2 MJ/m 3 . The energy dissipation in both tensile and compression tests is reversible and the hydrogel can recovery its mechanical properties rapidly. Moreover, this hydrogel can withstand a compression stress of >60 MPa without failure, amongst the highest compressive strength achieved by a hydrogel. These properties are comparable to those of articular cartilage, making this protein hydrogel a novel cartilage-mimetic biomaterial. Our study opened up a new potential avenue towards engineering protein hydrogel-based substitute for articular cartilage, and may also help develop protein biomaterials with superb mechanical properties for applications in soft actuators and robotics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».