Lithiated porous silicon nanowires stimulate periodontal regeneration
Notice bibliographique
Résumé
Abstract Periodontal disease is a significant burden for oral health, causing progressive and irreversible damage to the support structure of the tooth. This complex structure, the periodontium, is composed of interconnected soft and mineralised tissues, posing a challenge for regenerative approaches. Materials combining silicon and lithium are widely studied in periodontal regeneration, as they stimulate bone repair via silicic acid release while providing regenerative stimuli through lithium activation of the Wnt/β-catenin pathway. Yet, existing materials for combined lithium and silicon release have limited control over ion release amounts and kinetics. Porous silicon can provide controlled silicic acid release, inducing osteogenesis to support bone regeneration. Prelithiation, a strategy developed for battery technology, can introduce large, controllable amounts of lithium within porous silicon, but yields a highly reactive material, unsuitable for biomedicine. This work debuts a strategy to lithiate porous silicon nanowires (LipSiNs) which generates a biocompatible and bioresorbable material. LipSiNs incorporate lithium to between 1% and 40% of silicon content, releasing lithium and silicic acid in a tailorable fashion from days to weeks. LipSiNs combine osteogenic, cementogenic and Wnt/β-catenin stimuli to regenerate bone, cementum and periodontal ligament fibres in a murine periodontal defect.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».