MétaCan
Menu
Retour à la cohorte
Enregistrement W4414806534 · doi:10.1016/j.supmat.2025.100120

Stimuli-responsive protein hydrogels: From dynamic tuning of hydrogel mechanics to shape morphing

2025· article· en· W4414806534 sur OpenAlexafffund
Hongbin Li, Qingyuan Bian

Notice bibliographique

RevueSupramolecular Materials · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Materials and Mechanics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSelf-healing hydrogelsMorphingSoft materialsBiomimetic materialsRational designProtein engineering

Résumé

récupéré en direct d'OpenAlex

Protein hydrogels represent a rapidly evolving class of biomaterials with significant potential in biomedicine, soft robotics, and tissue engineering. These hydrogels are uniquely engineered from natural or recombinant proteins, endowing them with biocompatibility, biodegradability, and precise molecular programmability. By integrating dynamic cross-linking mechanisms and responsive moieties, protein hydrogels can be engineered to respond to external stimuli such as temperature, pH, light, or ligands, and undergo reversible or irreversible changes in shape, volume, or mechanical properties. This review critically summarizes recent advances in the design and fabrication of stimuli-responsive protein hydrogels. Emphasis is placed on the molecular design strategies that are used to dynamically tune the mechanical properties and shape-morphing behaviors of protein hydrogels. Challenges and opportunities related to the rational engineering of next-generation stimuli-responsive protein hydrogels are also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,187
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,235
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSupramolecular MaterialsMême sujetAdvanced Materials and MechanicsTravaux en français237 207