MétaCan
Menu
Retour à la cohorte
Enregistrement W3210287508 · doi:10.1016/j.carbpol.2021.118820

Development of phenol-grafted polyglucuronic acid and its application to extrusion-based bioprinting inks

2021· article· en· W3210287508 sur OpenAlexfundno aff
Shinji Sakai, Takashi Kotani, Ryohei Harada, Ryota Goto, Takahiro Morita, Soukaina Bouissil, Pascal Dubessay, Guillaume Pierre, Philippe Michaud, Redouan El Boutachfaiti, Masaki Nakahata, Masaru Kojima, Emmanuel Petit, Cédric Delattre

Notice bibliographique

RevueCarbohydrate Polymers · 2021
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceProvidence Health Care
Mots-clésExtrusionDerivative (finance)Horseradish peroxidaseTissue engineeringPhenolAqueous solutionChemistryMaterials scienceChemical engineeringBiomedical engineeringOrganic chemistryComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

In this present work, we developed a phenol grafted polyglucuronic acid (PGU) and investigated the usefulness in tissue engineering field by using this derivative as a bioink component allowing gelation in extrusion-based 3D bioprinting. The PGU derivative was obtained by conjugating with tyramine, and the aqueous solution of the derivative was curable through a horseradish peroxidase (HRP)-catalyzed reaction. From 2.0 w/v% solution of the derivative containing 5 U/mL HRP, hydrogel constructs were successfully obtained with a good shape fidelity to blueprints. Mouse fibroblasts and human hepatoma cells enclosed in the printed constructs showed about 95% viability the day after printing and survived for 11 days of study without a remarkable decrease in viability. These results demonstrate the great potential of the PGU derivative in tissue engineering field especially as an ink component of extrusion-based 3D bioprinting.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,000
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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'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

Citations25
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarbohydrate PolymersMême sujet3D Printing in Biomedical ResearchTravaux en français237 207