Fetuin‐<scp>A</scp> adsorption to tunable polydimethylsiloxane and subsequent macrophage response
Notice bibliographique
Résumé
Surface modifications can be applied to biomaterials to alter the various surface properties that influence protein-material interactions and the cellular response. The plasma protein fetuin-A has been found to adsorb to many biomaterials but details of its interactions with polydimethylsiloxane (PDMS) and roles in regulating the immune response are not clear. Here, PDMS modifications are achieved by altering the ratio of PDMS formulations to control elastic modulus, and by coating PDMS with polydopamine (PDA) to attach fetuin-A. Surface characterization confirmed that altering the PDMS formulation changed the elastic modulus without affecting surface wetting properties. Surface roughness was measured using atomic force microscopy and surface chemistry was determined using X-ray photoelectron spectroscopy, with only minor changes detected on the softest samples. PDA deposition on PDMS was confirmed and contact angle measurements demonstrated an increase in hydrophilicity. Fetuin-A adsorption was influenced by the PDMS formulations, adsorption changed in a competitive plasma environment, and PDA was able to immobilize the greatest amount of fetuin-A. The inflammatory effects of fetuin-A were investigated, and data suggests that the elastic modulus influences cytokine secretion from macrophages at certain timepoints, a result likely due to varied protein amounts and orientations/conformations in response to material stiffness. The addition of a PDA layer demonstrated the potentially cytokine mitigating effect upon fetuin-A immobilization when compared to unmodified PDMS samples. The results provide new insight into the interactions of fetuin-A with PDMS and PDA, and the potential immune regulatory properties of fetuin-A modified materials.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».