MétaCan
Menu
Retour à la cohorte
Enregistrement W4289866229 · doi:10.3389/fbioe.2022.893936

Peptide Biomaterials for Tissue Regeneration

2022· review· en· W4289866229 sur OpenAlexafffund
Alex Ross, Mildred A. Sauce-Guevara, Emilio I. Alarcón, M.A. Mendéz-Rojas

Notice bibliographique

RevueFrontiers in Bioengineering and Biotechnology · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaConsejo Nacional de Ciencia y TecnologíaUniversidad de las Américas PueblaGovernment of OntarioUniversity of Ottawa
Mots-clésRegeneration (biology)Tissue engineeringPeptideChemistryCell biologyBiomedical engineeringBiologyBiochemistryMedicine

Résumé

récupéré en direct d'OpenAlex

Expanding the toolbox of therapeutic materials for soft tissue and organ repair has become a critical component of tissue engineering. While animal- and plant-derived proteins are the foundation for developing biomimetic tissue constructs, using peptides as either constituents or frameworks for the materials has gained increasing momentum in recent years. This mini review discusses recent advances in peptide-based biomaterials' design and application. We also discuss some of the future challenges posed and opportunities opened by peptide-based structures in the field of tissue engineering and regenerative medicine.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,896
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,023
Tête enseignante GPT0,279
Écart entre enseignants0,256 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Bioengineering and BiotechnologyMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207