Mussel-inspired cross-linking mechanisms enhance gelation and adhesion of multifunctional mucin-derived hydrogels
Notice bibliographique
Résumé
Mucus supports human health by hydrating, lubricating, and preventing infection of wet epithelial surfaces. The beneficial material properties and bioactivity of mucus stem from glycoproteins called mucins, motivating the development of mucin-derived hydrogels for wound dressings and antifouling coatings. However, these applications require robust gelation and adhesion to a wide range of substrates. Inspired by the chemical cross-linking and water-tolerant adhesion of marine mussel adhesive structures, we use catechol-thiol bonding to drive gelation of native mucin proteins and synthetic mucin-inspired polymers, forming soft, adhesive hydrogels that can be coated onto diverse surfaces. The gelation dynamics and adhesive properties can be systematically tuned by varying the hydrogel composition, polymer architecture, and thiol availability, with gelation timescales adjustable from seconds to hours, and values of elastic modulus, failure stress, and debonding work spanning orders of magnitude. We demonstrate the functionality of these gels in two applications: as tissue adhesives, using porcine skin as a proxy for human skin, and as bioactive surface coatings to prevent bacterial colonization. The results highlight the potential of catechol-thiol cross-linking as a versatile platform for engineering multifunctional glycoprotein hydrogels with applications in wound repair and antimicrobial surface engineering.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».