MétaCan
Menu
Retour à la cohorte
Enregistrement W4414218258 · doi:10.1002/btm2.70061

Cell‐embedded microgels as emerging miniature <scp>3D</scp> tissue‐mimics toward biochip‐based toxicity screening

2025· article· en· W4414218258 sur OpenAlexaff
Margaux Delafosse, Estelle Regnault, Jasmin Gebauer‐Barrett, A. Manz, Baeckkyoung Sung

Notice bibliographique

RevueBioengineering & Translational Medicine · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesKorea Institute of Science and Technology
Mots-clésBiochipToxicityDrug discovery3D cell cultureIn vitroDrug developmentIn vitro toxicologyDrug delivery

Résumé

récupéré en direct d'OpenAlex

Recent developments in synthetic three-dimensional (3D) gel microenvironments for cell culture have enabled the advancement of bioengineered organ-specific cell niches that resemble the native 3D tissue architecture and mechanics. In particular, the application of 3D cell cultures based on miniaturized hydrogel scaffolds for toxicological analyses is attracting increasing interest because of their facile adaptability to on-chip systems and potential as novel in vitro screening tools. We summarize the current progress in microgel-based 3D cells integrated into biochip platforms and their utilization for the in vitro toxicity evaluation of chemicals and drug candidates. We emphasize the development of tissue-mimicking microgel systems combined with automated gel microarray chips and organ-on-a-chip devices. This review begins with the microscale hydrogel scaffolds that encapsulate mammalian cells and are used for in vitro tissue mimicry purposes. Furthermore, an overview of microgel-based tissue modeling approaches to toxicity testing and screening is provided, along with their technical advantages in drug discovery and alternatives to animal testing.

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,017
Tête enseignante GPT0,288
Écart entre enseignants0,271 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioengineering & Translational MedicineMême sujet3D Printing in Biomedical ResearchTravaux en français237 207