MétaCan
Menu
Retour à la cohorte
Enregistrement W4410221459 · doi:10.1088/1748-605x/add6f9

Investigation of novel carboxymethyl chitosan-based bioinks for 3D bioprinting of neural tissues

2025· article· en· W4410221459 sur OpenAlexafffund
Amanda de Castro Juraski, Victor Allisson da Silva, Ruchi Sharma, Adriano Rodrigues Azzoni, Stephanie M. Willerth

Notice bibliographique

RevueBiomedical Materials · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversidade de São PauloCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorCanadian Institutes of Health ResearchConselho Nacional de Desenvolvimento Científico e TecnológicoEscola Politécnica da Universidade de São Paulo
Mots-clés3D bioprintingBiocompatibilityBiomedical engineeringTissue engineeringExtracellular matrixMaterials scienceChitosanViability assaySelf-healing hydrogelsCellBiophysicsChemistryBiochemistryPolymer chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The formulation of bioinks is critical for successful 3D bioprinting. It influences printability, stability, and cell behavior. One of the main demands in 3D bioprinting is the development of bioink formulations that can balance long-term cell viability and compositional similarities to the extracellular matrix (ECM) with rheological properties for 3D printing. To address this challenge, this study tested new bioinks using carboxymethyl chitosan (N,O-CMCS or O-CMCS), alginate, and fibrin, which are promising biomaterials due to their biocompatibility and likeness to the ECM. 3D bioprinting of neural tissues comes with additional challenges because neural cells are highly sensitive to environmental conditions. Therefore, we optimized our bioink formulations for the 3D bioprinting of neural progenitor cells derived from human induced pluripotent stem cells (hiPSC-NPC). Here we report a neural tissue constructed 3D bioprinted with a hiPSC-NPC-laden 1% N,O-CMCS, 1% alginate, and 20 mg ml−1 fibrin. This formulation exhibited uniform consistency and minimal extrusion force fluctuations (approximately 8 KPa), indicating homogeneity and optimal printability using an extrusion-based bioprinter. In contrast, O-CMCS formulations did not support neural tissue differentiation while higher concentrations of N,O-CMCS or alginate (3% w/v) resulted in increased viscosity and poorly defined scaffolds. The optimized bioink demonstrated significant water retention, swelling up to 15 times its original weight without losing structural integrity, thus providing a conducive environment for cell culture. Live/dead staining revealed over 60% cell viability over 30 d, underscoring its suitability for long-term cell applications. Immunocytochemistry confirmed that the optimized N,O-CMCS-based bioink effectively guided cells toward further differentiation into neurons and astrocytes, thus forming a 3D bioprinted construct that is able to replicate different neural cell types found in the neural tissue. The optimized bioink described in this study lays the groundwork for future works that will focus on detailing how different CMCS groups affect tissue maturation and functionality in 3D bioprinted constructs that can potentially be used for future neural tissue modeling and drug screening.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,033
Tête enseignante GPT0,305
Écart entre enseignants0,272 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedical MaterialsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207