Primary Human Ligament Fibroblast Adhesion and Growth on 3D-Printed Scaffolds for Tissue Engineering Applications
Notice bibliographique
Résumé
The current gold standard technique for the treatment of anterior cruciate ligament (ACL) injury is reconstruction with a tendon autograft. These treatments have a relatively high failure and re-rupture rate and are associated with early-onset osteoarthritis, developing within two decades of injury. Furthermore, both autografting and allografting come with several drawbacks. Tissue engineering and additive manufacturing present exciting new opportunities to explore 3D scaffolds as graft substitutes. We previously showed that 3D-printed scaffolds using low-cost equipment are suitable for tissue engineering approaches to regenerative medicine. Here, we hypothesize that Lay-Fomm 60, a commercially available nanoporous elastomer, may be a viable tissue engineering candidate for an ACL graft substitute. We first printed nanoporous thermoplastic elastomer scaffolds using low-cost desktop 3D printers and determined the mechanical and morphological properties. We then tested the impact of different surface coatings on primary human ACL fibroblast adhesion, growth, and ligamentous matrix deposition in vitro. Our data suggest that poly-L-lysine-coated Lay-Fomm 60 scaffolds increased ligament fibroblast activity and matrix formation when compared to uncoated scaffolds but did not have a significant effect on cell attachment and proliferation. Therefore, uncoated 3D printed Lay-Fomm 60 scaffolds may be viable standalone scaffolds and warrant further research as ligament tissue engineering and reconstruction grafts.
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 | 0,000 |
| 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) | 0,000 | 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 ».