Impact of nucleation temperature and hydroxyethyl starch on ice crystal growth: Implications for cell viability during extreme temperature fluctuations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Extreme temperature fluctuations during routine handling and shipping of cryopreserved cell products significantly compromise product quality in ways that extend beyond the duration and peak temperature of the fluctuation. The type of cryoprotectant used and the initial ice nucleation temperature influence ice crystal growth during rewarming events, in turn impacting cell survival. Using a cryomicroscope together with temperature profiles recorded in cord-blood units, ice crystal growth was tracked through five transient-warming events (TWEs) that peaked at -30 °C, -20 °C, or -10 °C. Initial freezing conditions were modified either by adding 6 % (w/v) hydroxyethyl starch (HES) or by lowering the ice-nucleation temperature by 10 °C. Across five TWEs, ice-crystal area saw the greatest increase when the peak rewarming temperature was -10 °C. Although adding HES further accelerated this recrystallization, it still protected Jurkat cells after a single TWE. Lowering the nucleation temperature also improved viability in samples warmed to -20 °C, regardless of HES supplementation. These findings show that ice crystal growth is not the sole cause of injury during transient rewarming; other temperature-dependent stresses also play a role. Importantly, careful optimisation of cryoprotectant composition and nucleation temperature can bolster cellular resilience to temperature excursions, potentially reducing quality losses during the storage and transport of cryopreserved therapeutics.
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.
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 découle