MétaCan
Menu
Retour à la cohorte
Enregistrement W4402309396 · doi:10.1021/acsnano.4c09342

Colloidal Hydrogel with Staged Sequestration and Release of Molecules Undergoing Competitive Binding

2024· article· en· W4402309396 sur OpenAlexafffund
Yuhang Huang, Nashmia Zia, Yingshan Ma, Terek Li, Gilbert C. Walker, Hani E. Naguib, Eugenia Kumacheva

Notice bibliographique

RevueACS Nano · 2024
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSelf-healing hydrogelsMoleculeBiophysicsDiffusionColloidChemistryNanotechnologyChemical engineeringControlled releaseMaterials scienceOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Competitive binding of distinct molecules in the hydrogel interior can facilitate dynamic exchange between the hydrogel and the surrounding environment. The ability to control the rates of sequestration and release of these molecules would enhance the hydrogel's functionality and enable targeting of a specific task. Here, we report the design of a colloidal hydrogel with two distinct pore dimensions to achieve staged, diffusion-controlled scavenging and release dynamics of molecules undergoing competitive binding. The staged scavenging and release strategy was shown for CpG oligodeoxynucleotide (ODN) and human epidermal growth factor (hEGF), two molecules exhibiting different affinities to the quaternary ammonium groups of the hydrogel. Fast ODN scavenging from the ambient environment occurred via diffusion through submicrometer-size hydrogel pores, while delayed hEGF release from the hydrogel was governed by its diffusion through nanometer-size pores. The results of the experiments were in agreement with simulation results. The significance of staged ODN-hEGF exchange was highlighted by the dual anti-inflammation and tissue proliferation hydrogel performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,260

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,244
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujet3D Printing in Biomedical ResearchTravaux en français237 207