MétaCan
Menu
Retour à la cohorte
Enregistrement W3217675992 · doi:10.1002/advs.202102627

Injectable, Pore‐Forming, Perfusable Double‐Network Hydrogels Resilient to Extreme Biomechanical Stimulations

2021· article· en· W3217675992 sur OpenAlexafffund
Sareh Taheri, Guangyu Bao, Zixin He, Sepideh Mohammadi, Hossein Ravanbakhsh, Larry Lessard, Jianyu Li, Luc Mongeau

Notice bibliographique

RevueAdvanced Science · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHydrogels: synthesis, properties, applications
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute on Deafness and Other Communication DisordersNational Institutes of HealthNatural Sciences and Engineering Research Council of CanadaMcGill UniversityUniversity of Wisconsin-Madison
Mots-clésSelf-healing hydrogelsBiofabricationBiomedical engineeringMaterials scienceTissue engineeringCell encapsulationRegenerative medicineNanotechnologyChemistryCellMedicine

Résumé

récupéré en direct d'OpenAlex

Biological tissues hinge on blood perfusion and mechanical toughness to function. Injectable hydrogels that possess both high permeability and toughness have profound impacts on regenerative medicine but remain a long-standing challenge. To address this issue, injectable, pore-forming double-network hydrogels are fabricated by orchestrating stepwise gelation and phase separation processes. The interconnected pores of the resulting hydrogels enable direct medium perfusion through organ-sized matrices. The hydrogels are amenable to cell encapsulation and delivery while promoting cell proliferation and spreading. They are also pore insensitive, tough, and fatigue resistant. When tested in biomimetic perfusion bioreactors, the hydrogels maintain physical integrity under prolonged, high-frequency biomechanical stimulations (>6000 000 cycles at 120 Hz). The excellent biomechanical performance suggests the great potential of the new injectable hydrogel technology for repairing mechanically dynamic tissues, such as vocal folds, and other applications, such as tissue engineering, biofabrication, organs-on-chips, drug delivery, and disease modeling.

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 enseignants0,001
Score d'incertitude au seuil0,002

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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,286
Écart entre enseignants0,258 · 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

Citations65
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced ScienceMême sujetHydrogels: synthesis, properties, applicationsTravaux en français237 207