MétaCan
Menu
Retour à la cohorte
Enregistrement W4291129543 · doi:10.1002/bit.28210

Challenges and opportunities in downstream separation processes for mesenchymal stromal cells cultured in microcarrier‐based stirred suspension bioreactors

2022· review· en· W4291129543 sur OpenAlexafffund
Inaara Mawji, Erin L. Roberts, Tiffany Dang, Brett Abraham, Michael S. Kallos

Notice bibliographique

RevueBiotechnology and Bioengineering · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueMesenchymal stem cell research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrocarrierMesenchymal stem cellBioreactorDownstream (manufacturing)Downstream processingSuspension cultureCell biologyBiochemical engineeringCell cultureRegenerative medicineFiltration (mathematics)Stromal cellBiotechnologyProcess engineeringMaterials scienceChemistryCellStem cellBiologyChromatographyEngineeringBiochemistry

Résumé

récupéré en direct d'OpenAlex

Mesenchymal stromal cells (MSC) are a promising platform for regenerative medicine applications because of their multilineage differentiation abilities and ease of collection, isolation, and growth ex vivo. To meet the demand for clinical applications, large-scale manufacturing will be required using three-dimensional culture platforms in vessels such as stirred suspension bioreactors. As MSCs are an adherent cell type, microcarriers are added to the culture to increase the available surface area for attachment and growth. Although extensive research has been performed on efficiently culturing MSCs using microcarriers, challenges persist in downstream processing, including harvesting, filtration, and volume reduction, which all play a critical role in the translation of cell therapies to the clinic. The objective of this review is to assess the current state of downstream technologies available for microcarrier-based MSC cultures. This includes a review of current research within the three stages: harvesting, filtration, and volume reduction. Using this information, a downstream process for MSCs is proposed, which can be applied to a wide range of applications.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,163
Tête enseignante GPT0,359
Écart entre enseignants0,196 · 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'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

Citations15
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology and BioengineeringMême sujetMesenchymal stem cell researchTravaux en français237 207