MétaCan
Menu
Retour à la cohorte
Enregistrement W4211205853 · doi:10.1002/anbr.202100159

Revealing Layer‐Specific Ultrastructure and Nanomechanics of Fibrillar Collagen in Human Aorta via Atomic Force Microscopy Testing: Implications on Tissue Mechanics at Macroscopic Scale

2022· article· en· W4211205853 sur OpenAlexafffund
Meisam Asgari, Neda Latifi, Francesco Giovanniello, Horacio D. Espinosa, Marco Amabili

Notice bibliographique

RevueAdvanced NanoBiomed Research · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElasticity and Material Modeling
Établissements canadiensUniversity of TorontoUniversity of New BrunswickMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaFonds de recherche du Québec – Nature et technologiesDeutsches KrebsforschungszentrumFonds de Recherche du Québec-Société et CultureMcGill University
Mots-clésNanomechanicsNanoindentationIndentationExtracellular matrixAdventitiaStiffnessMaterials scienceUltrastructureAortaElasticity (physics)Biomedical engineeringAtomic force microscopyBiophysicsAnatomyComposite materialChemistryNanotechnologyMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Soft biological tissues are natural biomaterials with structures that have evolved to perform physiological functions, for example, conferring elasticity while preserving the mechanical integrity of arteries. Furthermore, the mechanical properties of the tissue extracellular matrix (ECM) significantly affect cell behavior and organ function. ECM mechanical properties are strongly affected by collagen ultrastructure, and perturbations in collagen networks can cause tissue mechanical failure. It is thus crucial to understand the ultrastructural mechanical properties of soft tissues. Herein, the ultrastructural and nanomechanical properties of arterial tissues are reported. Specifically, maps of aorta tissue stiffness in its three constitutive layers, namely tunica intima, media, and adventitia, are reported. Atomic force microscopy (AFM) with large and ultrasharp tips is used to explore tissue stiffness at two scales. Quasistatic tensile tests are further conducted to understand a potential correspondence between small‐scale mechanical properties obtained via AFM indentation and macroscopic behavior of the tissue at low and large strains. Furthermore, gradients in stiffness across the various layers as well as deformation rate effects are investigated. It is envisioned that the established methodology serves as a tool to investigate the effect of ECM remodeling associated with vascular diseases such as aneurysms and arterial stiffening linked to hypertension.

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 Opus0,036
Tête enseignante GPT0,324
Écart entre enseignants0,288 · 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

Citations44
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced NanoBiomed ResearchMême sujetElasticity and Material ModelingTravaux en français237 207