MétaCan
Menu
Retour à la cohorte
Enregistrement W4414962815 · doi:10.1063/5.0287434

Mechanical interaction among cells in hydrogel-based microfluidic assays

2025· article· en· W4414962815 sur OpenAlexafffund
Jiaqi Zhang, Pengtao Yue, James J. Feng

Notice bibliographique

RevueBiomicrofluidics · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésMicrofluidicsMechanobiologyScaffoldPoromechanicsProcess (computing)CellCell mechanicsExtracellular

Résumé

récupéré en direct d'OpenAlex

Hydrogels are widely used in cell cultures and microfluidic organ-on-chip devices as a mimic for an extracellular matrix. Soft and porous, they provide a gentle scaffold for the cell colonies to develop into properly structured tissues and organoids. A key factor in this process is the transmission of forces through the hydrogel, originating from the flowing perfusate and propagating toward and among the cells. Such forces serve as mechanical cues in the proliferation and differentiation of cells and in their aggregation into functional organoids. In this work, we use a poroelastic model to study the mechanical interaction among cells that is mediated by the hydrogel. The model predicts that closely spaced cells induce the formation of prominent “tension ribbons” within the hydrogel, actively pulling neighboring cells together and prompting the development of mutual protrusions. In larger cellular arrays, the deformation patterns become highly heterogeneous, strongly dependent on the relative positions of individual cells. These insights provide valuable guidance for optimizing the design and operational parameters of organ-on-chip devices.

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)0,001
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 enseignants0,039
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,265
Écart entre enseignants0,252 · 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomicrofluidicsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207