P41: 4D Manufacturing: Immunoprotective Materials for Islet Tissue Patches in Cell-Based Diabetes Treatments
Notice bibliographique
Résumé
Purpose: In order to cure diabetes on a large scale, researchers are working to develop insulin-producing cells differentiated from human pluripotent stem cells, encapsulating the tissues to protect the cells from immune attack, and implanting the cells for regulated insulin secretion. This project explored the synthesis and in vivo performance of a 4D biomaterial intended to protect implanted insulin-producing cells in the body. 3D printing of insulin-producing cells encapsulated within the biomaterial with additional timed-release anti-inflammatory agents enabled complex, personalized shapes and a 4D functional material. Methods: Anti-inflammatory agents were functionalized with varying permanent and degradable linkages to achieve a range of timed-release therapeutics to prevent immune system-mediated rejection. The molecules were crosslinked with a multi-arm polyethylene glycol (PEG) material in the subcutaneous space of immunocompetent C57BL/6 mice. After 30 days, tissue slices of the explant were examined using H&E staining revealing the thickness of biological encapsulation compared to alginate controls. Results: PEG-based implants with acetal linkages enabling the slow release (~30 days) of anti-inflammatory agents achieved the thinnest layer of biological encapsulation compared to the controls. Summary: Collectively, the described 4D biomaterial with other novel approaches and tools will enable the investigation of survival and function of a stem cell-based therapy for diabetes that could ultimately allow patients to live a diabetes-free lifestyle.
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 | 0,001 | 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 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 ».