Highly Flexible 3D Printed Gelatin-Pluronic F127 Scaffolds Seeded with Schwann Cells toward Nerve Regeneration
Notice bibliographique
Résumé
Peripheral nerve injury increasingly affects people around the world, leading to very incapacitating conditions with the loss of motor and sensory functions. Combining biomaterials with glial cells is particularly promising to reconnect injured axons to their original target, as they represent a supportive environment facilitating cell and axonal growth. Neural tissue engineering using biomimetic soft scaffolds often faces challenges related to handling, suturability, and integration into the host tissue. This study aimed to develop a soft and flexible biomimetic scaffold that supports colonization with a high density of glial Schwann cells (SCs). The strategy consists of printing tubular multichannel (500 to 1000 μm channels) nerve guides (NG) (5 × 5 mm) presenting an anisotropic architecture using a high-resolution stereolithography printing process. To this aim, the synthesis of photosensitive methacrylated gelatin (GelMA) inks was optimized and combined with various ratios of dimethacrylated F127 Pluronic. We showed that the physicochemical and mechanical properties of the printed hydrogels can be controlled by polymer concentrations and ratios. Specifically, in a 12:3 GelMA:F127DMA ratio, Pluronic provides enhanced flexibility while maintaining softness similar to nerve tissues. Importantly, gelatin-Pluronic scaffolds better withstand handling than gelatin scaffolds, as demonstrated by a higher strain at break in compression assays. Moreover, strain at break in suturing experiments was more than doubled with GelMA:F127DMA (35%) hydrogels in contrast to fragile and brittle gelatin-only scaffolds (15%). Schwann cells adhere, proliferate, and remain viable over 7 days within the channels demonstrating that these cellularized gelatin-Pluronic nerve guides hold significant promise for nerve regeneration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».