Injectable, pore-forming, self-healing, and adhesive hyaluronan hydrogels for soft tissue engineering applications
Notice bibliographique
Résumé
Abstract Most existing injectable hydrogels are non-porous, thereby lacking a microporous structure to promote cell ingrowth. Also, most hydrogels do not effectively adhere to the host tissue. The present study describes an injectable double network hydrogel formed by combining two hyaluronic acid (HA) derivatives, namely dopamine grafted HA (DAHA) and methacrylated HA (HAMA). These constituents instantly form a physically crosslinked network through Fe3+-dopamine coordination, and confer fast gelation, pore formation, and self-healing properties to the hydrogel. Photocroslinked upon UV exposure, HAMA forms a chemically crosslinked network, thereby improving mechanical and degradation properties. The adhesive properties of this hydrogel are attributed to the presence of dopamine groups, inspired by mussel creatures. Proper modification of HA chains was confirmed by NMR spectroscopy. The physical, mechanical, rheological, and biological properties of the new hydrogels were quantified in wet laboratory conditions. The results revealed that the DAHA/HAMA hydrogel rapidly forms a self-healing microporous adhesive scaffold with a 26.9 µm pore size, 29.4 kPa compressive modulus, and 12.8 kPa adhesion strength in under 6 s. These findings suggest that the new hydrogel is a promising candidate for in situ repair of soft tissues, particularly mechanically dynamic ones such as the vocal folds, cartilage, and dermis.
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 ».