Advancing Organ‐on‐Chip Models With a Sacrificial Granular Hydrogel Strategy for Enhanced Permeability and Biomimicry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Infectious diseases such as malaria, leishmaniasis, and human immunodeficiency virus (HIV) involve pathogens with complex life cycles that span multiple organs, including the bone marrow (BM), a niche for latent or cryptic infections. Studying these hidden stages in patients presents significant technical and ethical challenges, underscoring the need for advanced in vitro models such as organ-on-chip (OoC) platforms. While cell-laden hydrogels can replicate tissue-like 3D-microenvironments, their small mesh size may restrict pathogen migration and cell-pathogen interactions, both critical for establishing infection on-chip. To overcome this limitation, this work develops a "reversed" granular hydrogel strategy that creates interconnected microporosity in hydrogels incorporated into organ-on-chip compartments. Sacrificial alginate (ALG) µgels are embedded as porogens in a fibrin-collagen (FIB-COL) precursor inside a custom BM-on-chip and, after crosslinking, are selectively removed by in situ enzymatic/chemical leaching to yield highly porous hydrogels (pFIB-COL). The pFIB-COL supports 3D-cultures of mesenchymal stromal cells, endothelial cells, and erythroblasts. Physical and cellular analyses show reduced flow resistance, enhanced particle and cell permeation, more uniform cell distribution and improved endothelial network formation compared with native FIB-COL. This versatile strategy is readily adaptable to other hydrogel systems, providing a valuable tool for the faithful modeling of infection processes in biomimetic 3D-microenvironments within OoC 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.
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 | 0,002 | 0,001 |
| 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 découle