MétaCan
Menu
Retour à la cohorte
Enregistrement W4378348841 · doi:10.1021/acsami.3c03421

Layer-by-Layer Deposition of Low-Solid Nanochitin Emulgels Creates Porous Structures for High Cell Attachment and Proliferation

2023· article· en· W4378348841 sur OpenAlexafffund
Ya Zhu, Esko Kankuri, Xue Zhang, Zhangmin Wan, Xin Wang, Siqi Huan, Long Bai, Shouxin Liu, Orlando J. Rojas

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesHorizon 2020 Framework ProgrammeNatural Science Foundation of Heilongjiang ProvinceChina Scholarship CouncilCanada Excellence Research Chairs, Government of CanadaCanada Foundation for Innovation
Mots-clésMaterials scienceNanotechnologyPorosityAdhesionInkwellArea densityLayer (electronics)Composite material

Résumé

récupéré en direct d'OpenAlex

Direct ink writing (DIW) is a customizable platform to engineer complex constructs from biobased colloids. However, the latter usually display strong interactions with water and lack interparticle connectivity, limiting one-step processing into hierarchically porous structures. We overcome such challenges by using low-solid emulgel inks stabilized by chitin nanofibrils (nanochitin, NCh). By using complementary characterization platforms, we reveal NCh structuring into spatially controlled three-dimensional (3D) materials that generate multiscale porosities defined by emulsion droplet size, ice templating, and DIW infill density. The extrusion variables, key in the development of surface and mechanical features of printed architectures, are comprehensively analyzed by using molecular dynamics and other simulation approaches. The obtained scaffolds are shown for their hierarchical porous structures, high areal density, and surface stiffness, which lead to excellent modulation of cell adhesion, proliferation, and differentiation, as tested with mouse dermal fibroblast expressing green fluorescent proteins.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,233 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetAdvanced Materials and MechanicsTravaux en français237 207