Characterization of an engineered mucus microenvironment for in vitro modeling of host–microbe interactions
Notice bibliographique
Résumé
Abstract The human mucus layer plays a vital role in maintaining health by providing a physical barrier to pathogens. This biological hydrogel also provides the microenvironment for commensal bacteria. Common models used to study host–microbe interactions include gnotobiotic animals or mammalian–microbial co-culture platforms. Many of the current in vitro models lack a sufficient mucus layer to host these interactions. In this study, we engineered a mucus-like hydrogel Consisting of a mixed alginate-mucin (ALG-MUC) hydrogel network by using low concentration calcium chloride (CaCl 2 ) as crosslinker. We demonstrated that the incorporation of ALG-MUC hydrogels into an aqueous two-phase system (ATPS) co-culture platform can support the growth of a mammalian monolayer and pathogenic bacteria. The ALG-MUC hydrogels displayed selective diffusivity against macromolecules and stability with ATPS microbial patterning. Additionally, we showed that the presence of mucin within hydrogels contributed to an increase in antimicrobial resistance in ATPS patterned microbial colonies. By using common laboratory chemicals to generate a mammalian–microbial co-culture system containing a representative mucus microenvironment, this model can be readily adopted by typical life science laboratories to study host–microbe interaction and drug discovery.
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 ».