MétaCan
Menu
Retour à la cohorte
Enregistrement W4307703624 · doi:10.3390/pharmaceutics14112306

Films, Gels and Electrospun Fibers from Serum Albumin Globular Protein for Medical Device Coating, Biomolecule Delivery and Regenerative Engineering

2022· review· en· W4307703624 sur OpenAlexaff
Elahe Mahdipour, Kibret Mequanint

Notice bibliographique

RevuePharmaceutics · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiqueElectrospun Nanofibers in Biomedical Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBiomaterialAlbuminRegenerative medicineTissue engineeringDrug deliveryBiomedical engineeringChemistrySerum albuminMaterials scienceNanotechnologyBiochemistryCellMedicine

Résumé

récupéré en direct d'OpenAlex

Albumin is a natural biomaterial that is abundantly available in blood and body fluids. It is clinically used as a plasma expander, thereby increasing the plasma thiol concentration due to its cysteine residues. Albumin is a regulator of intervascular oncotic pressure, serves as an anti-inflammatory modulator, and it has a buffering role due to its histidine imidazole residues. Because of its unique biological and physical properties, albumin has also emerged as a suitable biomaterial for coating implantable devices, for cell and drug delivery, and as a scaffold for tissue engineering and regenerative medicine. As a biomaterial, albumin can be used as surface-modifying film or processed either as cross-linked protein gels or as electrospun fibers. Herein we have discussed how albumin protein can be utilized in regenerative medicine as a hydrogel and as a fibrous mat for a diverse role in successfully delivering drugs, genes, and cells to targeted tissues and organs. The review of prior studies indicated that albumin is a tunable biomaterial from which different types of scaffolds with mechanical properties adjustable for various biomedical applications can be fabricated. Based on the progress made to date, we concluded that albumin-based device coatings, delivery of drugs, genes, and cells are promising strategies in regenerative and personalized 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 enseignants0,897
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,044
Tête enseignante GPT0,350
Écart entre enseignants0,306 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceuticsMême sujetElectrospun Nanofibers in Biomedical ApplicationsTravaux en français237 207