Blood brain barrier-on-a-chip permeation to model neurological diseases using microfluidic biosensors
Notice bibliographique
Résumé
The need to understand human body functions, monitor disease progression, and advance in drug development have consistently been major driving forces for medical innovations and advancements. Organ-on-a-Chip technology, particularly Blood-brain-barrier (BBB)-on-chip technology, creates an avenue to closely replicate the brain environment and provides real-time monitoring of cells. Located at the interface between the blood and the brain parenchyma, the blood-brain barrier is crucial for protecting the brain due to its semi-permeable nature, and is responsible for regulating the movement of molecules between the blood and the brain. Therefore its integrity and perfect functionality are essential for the unperturbed functioning of the central nervous system. The lack of effective in-vitro models to investigate these diseases due to various technical and economic limitations poses a significant challenge. Moreover, the use of in-vivo models involving other primates and rodents for experimentation further poses a challenge due to physiological variations between humans and other species and has ethical constraints. Our study explores how the BBB-on-chip overcomes a lot of these limitations posed by the other in-vitro and in-vivo models, making it a more efficient and accurate model to investigate the blood-brain barrier. The study further explains the evolution, applications, and future prospects of the BBB on-chip technologies.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».