MétaCan
Menu
Retour à la cohorte
Enregistrement W3200387360 · doi:10.1002/jbm.a.37310

Recent trends in gelatin methacryloyl nanocomposite hydrogels for tissue engineering

2021· review· en· W3200387360 sur OpenAlexafffund
Mahmoud A.S. Sakr, Kabilan Sakthivel, Towsif Hossain, Su Ryon Shin, Sumi Siddiqua, Jae-Hwan Kim, Keekyoung Kim

Notice bibliographique

RevueJournal of Biomedical Materials Research Part A · 2021
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of CalgaryUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Foundation for Innovation
Mots-clésMaterials scienceGelatinSelf-healing hydrogelsTissue engineeringNanocompositeNanomaterialsMechanical strengthNanotechnologyBiomedical engineeringPolymerComposite materialPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Gelatin methacryloyl (GelMA), a photocrosslinkable gelatin-based hydrogel, has been immensely used for diverse applications in tissue engineering and drug delivery. Apart from its excellent functionality and versatile mechanical properties, it is also suitable for a wide range of fabrication methodologies to generate tissue constructs of desired shapes and sizes. Despite its exceptional characteristics, it is predominantly limited by its weak mechanical strength, as some tissue types naturally possess high mechanical stiffness. The use of high GelMA concentrations yields high mechanical strength, but not without the compromise in its porosity, degradability, and three-dimensional (3D) cell attachment. Recently, GelMA has been blended with various natural and synthetic biomaterials to reinforce its physical properties to match with the tissue to be engineered. Among these, nanomaterials have been extensively used to form a composite with GelMA, as they increase its biological and physicochemical properties without affecting the unique characteristics of GelMA and also introduce electrical and magnetic properties. This review article presents the recent advances in the formation of hybrid GelMA nanocomposites using a variety of nanomaterials (carbon, metal, polymer, and mineral-based). We give an overview of each nanomaterial's characteristics followed by a discussion of the enhancement in GelMA's physical properties after its incorporation. Finally, we also highlight the use of each GelMA nanocomposite for different applications, such as cardiac, bone, and neural regeneration.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,138
Tête enseignante GPT0,452
Écart entre enseignants0,315 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations133
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical Materials Research Part AMême sujet3D Printing in Biomedical ResearchTravaux en français237 207