Multifunctional Core-Shell Structured Manganese Nanozyme Incorporated Hydrogel for Spinal Cord Injury Microenvironment Reconstruction
Notice bibliographique
Résumé
Spinal cord injury (SCI) leads to motor and sensory loss due to damage to the spinal cord's nerve fibers. Secondary inflammation and excessive reactive oxygen species (ROS) create a hostile environment for regeneration. To address oxidative stress and inflammation simultaneously, we developed a composite QUE-Mn3O4@PDA-GelMA hydrogel that integrates ROS-scavenging activity of Mn3O4 nanozyme with the anti-inflammatory properties of quercetin within a photocrosslinkable GelMA hydrogel matrix. Mn3O4 nanozymes were synthesized and encapsulated via dopamine polymerization, then functionalized with quercetin to form Mn3O4@PDA-GelMA, which was subsequently embedded in GelMA and crosslinked. Further, structural and physicochemical characterization confirmed successful PDA coating, crystallinity consistent with Mn3O4, and uniform nanoparticle distribution. Additionally, the composite hydrogel exhibited suitable mechanical properties and degradation behavior for spinal tissue mimicry. In vitro assays demonstrated that the hydrogel effectively scavenged ROS, reduced pro-inflammatory macrophage polarization, and maintained neural cell viability at the selected concentration. These combined effects suggest that the hydrogel creates a more favorable microenvironment for neural protection and potential regeneration. Therefore, the QUE-Mn3O4@PDA-GelMA hydrogel provides a suitable environment for neural regeneration that concurrently attenuates oxidative stress and inflammation, positioning it as a promising candidate for enhancing SCI repair.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| 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 ».