The Role of Collagen Rheology in Human Keratinocyte Differentiation: Implications for Skin Substitute Development
Notice bibliographique
Résumé
Type I collagen hydrogels are widely employed as scaffolds in tissue engineering due to their biocompatibility and ability to mimic the extracellular matrix (ECM). ECM viscoelasticity plays a critical role in regulating key cellular functions such as adhesion, proliferation, and differentiation. This study evaluates how collagen source and quality influence hydrogel architecture, mechanical properties, and keratinocyte behavior. Hydrogels were prepared at a concentration of 2.3 mg/mL using collagen from Advanced Biomatrix (AB, GLP grade) and Collagen Solutions (CS, GMP grade), and assessed for fibrillogenesis, rheological performance, and their ability to support stratified HaCaT keratinocyte cultures. AB-derived hydrogels exhibited higher porosity but lower mechanical resilience, characterized by a linear viscoelastic region (LVER) of 2.54%. In contrast, CS-derived hydrogels showed reduced porosity, denser fiber networks, and a higher LVER of 9.96%, indicating enhanced strain tolerance. HaCaT cells cultured on AB hydrogels showed diminished proliferation, metabolic activity, stratification, and expression of differentiation markers compared to those on CS hydrogels, which supported a more robust epidermal architecture. These findings highlight the critical role of collagen quality and mechanical characteristics on scaffold performance and epidermal tissue formation, emphasizing the need to optimize biomaterial properties for effective regenerative outcomes.
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 ».