MétaCan
Menu
Retour à la cohorte
Enregistrement W4283709797 · doi:10.1016/j.ijbiomac.2022.06.153

Biological activity of multicomponent bio-hydrogels loaded with tragacanth gum

2022· article· en· W4283709797 sur OpenAlexaff
Roberta Teixeira Polez, Maria Morits, Christopher Jonkergouw, Josphat Phiri, Juan José Valle‐Delgado, Markus B. Linder, Thaddeus Maloney, Orlando J. Rojas, Monika Österberg

Notice bibliographique

RevueInternational Journal of Biological Macromolecules · 2022
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Materials ResearchAalto-YliopistoAcademy of Finland
Mots-clésTragacanthSelf-healing hydrogelsTissue engineeringChemistryPolysaccharideChemical engineeringRheologyCelluloseMaterials scienceBiomedical engineeringPolymer chemistryComposite materialBiochemistryFood science

Résumé

récupéré en direct d'OpenAlex

Producing hydrogels capable of mimicking the biomechanics of soft tissue remains a challenge. We explore the potential of plant-based hydrogels as polysaccharide tragacanth gum and antioxidant lignin nanoparticles in bioactive multicomponent hydrogels for tissue engineering. These natural components are combined with TEMPO-oxidized cellulose nanofibrils, a material with known shear thinning behavior. Hydrogels presented tragacanth gum (TG) concentration-dependent rheological properties suitable for extrusion 3D printing. TG enhanced the swelling capacity up to 645% and the degradation rate up to 1.3%/day for hydrogels containing 75% of TG. Young's moduli of the hydrogels varied from 5.0 to 11.6 kPa and were comparable to soft tissues like skin and muscle. In vitro cell viability assays revealed that the scaffolds were non-toxic and promoted proliferation of hepatocellular carcinoma HepG2 cells. Therefore, the plant-based hydrogels designed in this work have a significant potential for 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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,053
Score d'incertitude au seuil0,596

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,285
Écart entre enseignants0,252 · 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

Citations45
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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