Nanocolloidal hydrogel mimics the structure and nonlinear mechanical properties of biological fibrous networks
Notice bibliographique
Résumé
Fibrous networks formed by biological polymers such as collagen or fibrin exhibit nonlinear mechanical behavior. They undergo strong stiffening in response to weak shear and elongational strains, but soften under compressional strain, in striking difference with the response to the deformation of flexible-strand networks formed by molecules. The nonlinear properties of fibrous networks are attributed to the mechanical asymmetry of the constituent filaments, for which a stretching modulus is significantly larger than the bending modulus. Studies of the nonlinear mechanical behavior are generally performed on hydrogels formed by biological polymers, which offers limited control over network architecture. Here, we report an engineered covalently cross-linked nanofibrillar hydrogel derived from cellulose nanocrystals and gelatin. The variation in hydrogel composition provided a broad-range change in its shear modulus. The hydrogel exhibited both shear-stiffening and compression-induced softening, in agreement with the predictions of the affine model. The threshold nonlinear stress and strain were universal for the hydrogels with different compositions, which suggested that nonlinear mechanical properties are general for networks formed by rigid filaments. The experimental results were in agreement with an affine model describing deformation of the network formed by rigid filaments. Our results lend insight into the structural features that govern the nonlinear biomechanics of fibrous networks and provide a platform for future studies of the biological impact of nonlinear mechanical properties.
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 ».