Toward In Vitro Vascular Wall Models: Digital Light Processing of Acrylate‐Endcapped Urethane‐Based Polymers into Tubular Constructs
Notice bibliographique
Résumé
Abstract Digital light processing (DLP) is emerging as a powerful tool for fabricating tissue engineering (TE) scaffolds, particularly for vascular TE and the development of representative in vitro vascular wall models. For the latter, biomaterials should mimick the biological and mechanical properties of native blood vessels. To fabricate tubular constructs, the DLP‐printing process is optimized by exploiting acrylate‐endcapped urethane‐based (AUP) polymers as the presence of the acrylate end groups render them suitable for DLP printing and desirable mechanical properties arise from the urethane segments. Four AUP variants are synthesized, exploring polyethylene glycol (PEG) and polypropylene glycol (PPG) backbones with varying acrylate functionalities (di‐acrylate versus hexa‐acrylate), namely UPEG2, UPEG6, UPPG2, and UPPG6. Tubular constructs with precise dimensions and morphology are fabricated. PPG‐based AUP polymers exhibit superior computer‐aided design/manufacturing (CAD/CAM) mimicry compared to PEG‐based derivatives. Construct characterization reveals tunable mechanical properties, with elastic moduli ranging from 45 to 259 kPa, reaching values of the human blood vessels. In particular, UPPG6 shows a two‐fold higher elastic modulus compared to UPPG2. All materials show excellent biocompatibility. Additionally, surface modification with gelatin‐methacryloyl (GELMA) significantly enhances the cytocompatibility of UPPG2 scaffolds. This study demonstrates the feasibility of fabricating tubular constructs with tunable properties using DLP and AUP polymers.
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 ».