MétaCan
Menu
Retour à la cohorte
Enregistrement W3206927264 · doi:10.1016/j.ijbiomac.2021.10.078

3D printing and properties of cellulose nanofibrils-reinforced quince seed mucilage bio-inks

2021· article· en· W3206927264 sur OpenAlexaff
Roberta Teixeira Polez, Erfan Kimiaei, Zahra Madani, Orlando J. Rojas, Monika Österberg, Jukka Seppälä

Notice bibliographique

RevueInternational Journal of Biological Macromolecules · 2021
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Materials ResearchAalto-YliopistoAcademy of Finland
Mots-clésSelf-healing hydrogelsMucilageCelluloseMaterials sciencePorosityBiocompatible material3d printedChemical engineeringComposite materialBiomedical engineeringPolymer chemistryBotany

Résumé

récupéré en direct d'OpenAlex

Plant-based hydrogels have attracted great attention in biomedical fields since they are biocompatible and based on natural, sustainable, cost-effective, and widely accessible sources. Here, we introduced new viscoelastic bio-inks composed of quince seed mucilage and cellulose nanofibrils (QSM/CNF) easily extruded into 3D lattice structures through direct ink writing in ambient conditions. The QSM/CNF inks enabled precise control on printing fidelity where CNF endowed objects with shape stability after freeze-drying and with suitable porosity, water uptake capacity, and mechanical strength. The compressive and elastic moduli of samples produced at the highest CNF content were both increased by ~100% (from 5.1 ± 0.2 kPa and 32 ± 1 kPa to 10.7 ± 0.5 and 64 ± 2 kPa, respectively). These values ideally matched those reported for soft tissues; accordingly, the cell compatibility of the printed samples was evaluated against HepG2 cells (human liver cancer). The results confirmed the 3D hydrogels as being non-cytotoxic and suitable to support attachment, survival, and proliferation of the cells. All in all, the newly developed inks allowed sustainable 3D bio-hydrogels fitting the requirements as scaffolds for soft tissue engineering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,257
Écart entre enseignants0,233 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations62
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Biological MacromoleculesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207