Mineralization of Bone Extracellular Matrix-like Scaffolds Fabricated as Silk Sericin-Functionalized Dense Collagen–Fibrin Hybrid Hydrogels
Notice bibliographique
Résumé
The design of hydrogels that combine both the biochemical cues needed to direct seeded cellular functions and mineralization to provide the structural and mechanical properties approaching those of mineralized native bone extracellular matrix (ECM) represents a significant challenge in bone tissue engineering. While fibrous hydrogels constituting of collagen or fibrin (and their hybrids) can be considered as scaffolds that mimic to some degree native bone ECM, their insufficient mechanical properties limit their application. In the present study, an automated gel aspiration-ejection (automated GAE) method was used to generate collagen-fibrin hybrid gel scaffolds with micro-architectures and mechanical properties approaching those of native bone ECM. Moreover, the functionalization of these hybrid scaffolds with negatively charged silk sericin accelerated their mineralization under acellular conditions in simulated body fluid and modulated the proliferation and osteoblastic differentiation of seeded MC3T3-E1 pre-osteoblastic cells. In the latter case, alkaline phosphatase activity measurements indicated that the hybrid gel scaffolds with seeded cells showed accelerated osteoblastic differentiation, which in turn led to increased matrix mineralization. In summary, the design of dense collagen-fibrin hybrid gels through an automated GAE process can provide a route to tailoring specific biochemical and mechanical properties to different types of bone ECM-like scaffolds, and can provide a model to better understand cell-matrix interactions in vitro for bioengineering purposes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
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.
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 tête enseignante, 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 ».