Angiogenic Sprouting Dynamics Mediated by Endothelial‐Fibroblast Interactions in Microfluidic Systems
Notice bibliographique
Résumé
Angiogenesis, the development of new blood vessels from existing vasculature, is a key process in normal development and pathophysiology. In vitro models are necessary for investigating mechanisms of angiogenesis and developing antiangiogenic therapies. Microfluidic cell culture models of angiogenesis are favored for their ability to recapitulate 3D tissue structures and control spatiotemporal aspects of the microenvironments. To capture the angiogenesis process, microfluidic models often include endothelial cells and a fibroblast component. However, the influence of fibroblast organization on resulting angiogenic behavior remains unclear. Here a comparative study of angiogenic sprouting on a microfluidic chip induced by fibroblasts in 2D monolayer, 3D dispersed, and 3D spheroid culture formats, is conducted. Vessel morphology and sprout distribution for each configuration are measured, and these observations are correlated with measurements of secreted factors and numerical simulations of diffusion gradients. The results demonstrate that angiogenic sprouting varies in response to fibroblast organization with correlating variations in secretory profile and secreted factor gradients across the microfluidic device. This study is anticipated to shed light on how sprouting dynamics are mediated by fibroblast configuration such that the microfluidic cell culture design process includes the selection of a fibroblast component where the effects are known and leveraged.
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) | 0,000 | 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 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 ».