Synthesis of Alginate/Collagen Bioink for Bioprinting Respiratory Tissue Models
Notice bibliographique
Résumé
Synthesis of bioinks for bioprinting of respiratory tissue requires considerations related to immunogenicity, mechanical properties, printability, and cellular compatibility. Biomaterials can be tailored to provide the appropriate combination of these properties through the synergy of materials with individual pros and cons. Sodium alginate, a water-soluble polymer derived from seaweed, is a cheap yet printable biomaterial with good structural properties; however, it lacks physiological relevance and cell binding sites. Collagen, a common component in the extra cellular matrix of many tissues, is expensive and lacks printability; however, it is highly biocompatible and exhibits sites for cellular binding. This paper presents our study on the synthesis of bioinks from alginate and collagen for use in bioprinting respiratory tissue models. Bioinks were synthesized from 40 mg/mL (4%) alginate and 3 mg/mL (0.3%) collagen in varying ratios (1:0, 4:1, 3:1, 2:1, and 1:1); then examined in terms of rheological properties, printability, compressive, and tensile properties and cellular compatibility. The results illustrate that the ratio of alginate to collagen has a profound impact on bioink performance and that, among the examined ratios, the 3:1 ratio is the most appropriate for use in bioprinting respiratory tissue scaffolds.
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) | 0,001 | 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 ».