Multiphase Under‐Liquid Biofabrication With Living Soft Matter: A Route to Customize Functional Architectures With Microbial Nanocellulose
Notice bibliographique
Résumé
The growth of aerobic microbes at air-water interfaces typically leads to biofilm formation. Herein, a fermentative alternative that relies on oil-water interfaces to support bacterial activity and aerotaxis is introduced. The process uses under-liquid biofabrication by structuring bacterial nanocellulose (BNC) to achieve tailorable architectures. Cellulose productivity in static conditions is first evaluated using sets of oil homologues, classified in order of polarity. The oils are shown for their ability to sustain bacterial growth and BNC production according to air transfer and solubilization, both of which impact the physiochemical properties of the produced biofilms. The latter are investigated in terms of their morphological (fibril size and network density), structural (crystallinity) and physical-mechanical (surface area and strength) features. The introduced under-liquid biofabrication is demonstrated for the generation of BNC-based macroscale architectures and compartmentalized soft matter. This can be accomplished following three different routes, namely, 3D under-liquid networking (multi-layer hydrogels/composites), emulsion templating (capsules, emulgels, porous materials), and anisotropic layering (Janus membranes). Overall, the proposed platform combines living matter and multi-phase systems as a robust option for material development with relevance in biomedicine, soft robotics, and bioremediation, among others.
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) | 0,001 | 0,001 |
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 ».