E‐FLOAT: Extractable Floating Liquid Gel‐Based Organ‐on‐a‐Chip for Airway Tissue Modeling under Airflow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Microfluidic lung‐on‐a‐chip systems are increasingly attractive tools for studying lung physiology and function because of their ability to accurately recapitulate spatiotemporal features of the airway tissue microenvironment including cellular organization, tissue architecture, and mechanical cues such as cyclic stretching and airflow. However, most lung‐on‐a‐chip devices to date rely on integrated design elements like membranes for airway cell culture, and focus mainly on enabling on‐chip monitoring and analysis while neglecting the need for off‐chip analysis. Here, an extractable floating liquid‐gel‐based organ‐on‐a‐chip for airway tissue modeling referred to as “E‐FLOAT” is described that is arrayable, scalable, and uniquely amenable to withstand physiologic airflow by microanchors. It is shown that E‐FLOAT can be combined with a custom airflow system that permits controlled injection of particulate matter for air pollution studies. Results show that airflow is critical to efficiently achieving physiologic mimicry of airway epithelium composition, tight junction expression, mucus production, and cilia formation on epithelial cells. It is also shown that E‐FLOAT allows standard on‐chip analysis while permitting complete sample extraction and off‐chip analysis via immunocytochemistry, microscopy, and histological sectioning and staining, thereby expanding the number and types of biological assays that can be used and questions that can be tackled.
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.
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 | 0,000 | 0,002 |
| 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) | 0,000 | 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 découle