Delivery of Bioactive Gene Particles via Gelatin-Collagen-PEG-Based Electrospun Matrices
Notice bibliographique
Résumé
The fabrication of fiber mats via electrospinning has been adopted in the last decades to produce high quality scaffolds for tissue engineering. However, an effective combination of electrospinning methods with gene delivery therapies remains a challenge. In this study, we describe how the delivery of gene complexes via electrospun mats that contain different volumes of gelatin (Gel), collagen (Col), and polyethylene glycol (PEG) can affect gene expression by transfected cells. Non-viral complexes were formulated by using lipid modified polyethylenimine (PEI) polymer and plasmid DNAs (pDNA) like the reporter Green Fluorescent Protein (GFP) and the therapeutically relevant Bone Morphogenetic Protein-2 (BMP-2) and electrospuned after being mixed with different volumes of Gel-Col-PEG mats and delivered to human myoblast (C2C12) and mouse osteoblast cells (MC3T3). The entrapment of GFP complexes via different homogeneous electrospun fiber mats revealed that a high fraction of collagen in the mats affected the quality of the fibers and led to reduced transfection efficiency on target cells. On the other hand, the fabrication of double-layered mats that contained collagen without complexes as a first layer and gelatin-collagen-PEG with complexes as a second layer successfully induced GFP expression and ALP activity in C2C12 cells. We conclude that this study has established the advantage of formulating multilayered bioactive collagen-based mats for gene delivery applications.
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 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 | 0,001 | 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) | 0,002 | 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 tête enseignante, 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 ».