Nanoporous PEGDA ink for High-Resolution Additive Manufacturing of Scaffolds for Organ-on-a-Chip
Notice bibliographique
Résumé
Abstract Polydimethylsiloxane (PDMS), commonly used in organ-on-a-chip (OoC) systems, faces limitations in replicating complex geometries, hindering its effectiveness in creating 3D OoC models. In contrast, poly(ethylene glycol)diacrylate (PEGDA-250), favored for its fabrication ease and resistance to small molecule absorption, is increasingly used for 3D printing microfluidic devices. However, applications in cell culture have been limited due to poor cell adhesion. Here, we introduce a nanoporous PEGDA ink (P-PEGDA) designed to enhance cell adhesion. P-PEGDA is formulated with a porogen, photopolymerized, followed by the porogen removal. Utilizing P-PEGDA, complex microstructures and membranes as thin as 27 µm were 3D-printed. Porogen concentrations from 10-30% were tested yielding constructs with increasing porosity and oxygen permeability surpassing PDMS, without compromising printing resolution. Tests across four cell lines showed >80% cell viability, with a notable 77-fold increase in MDA-MB-231 cell coverage on the porous scaffolds. Finally, we introduce an OoC model comprising a gyroid scaffold with a central opening filled with a cancer spheroid. This setup, after a 14-day co-culture, demonstrated significant endothelial sprouting and integration within the spheroid. The P-PEGDA formulation is suitable for high-resolution 3D printing of constructs for 3D cell culture and OoC owing to its printability, gas permeability, biocompatibility, and cell adhesion.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».