Role of Cell Culture Scaffold Stiffness on Sonoporation Efficiency
Notice bibliographique
Résumé
OBJECTIVE: Sonoporation employs ultrasound-driven microbubble oscillations to permeabilize cell membranes, offering the potential for intracellular drug delivery. However, its clinical adaption remains limited, primarily due to an incomplete understanding of the mechanisms through which oscillating bubbles disrupt cell membranes. Most mechanistic sonoporation studies have focused on cell monolayers cultured on rigid plastic scaffolds. METHODS: Here we investigated the influence of scaffold stiffness on sonoporation outcome using simultaneous ultra-high-speed imaging (10 million frames/s) to capture bubble dynamics and high-resolution confocal microscopy to assess cell membrane response and model drug uptake. Monodisperse 2.3 μm radius microbubbles were used to sonoporate single human umbilical vein endothelial cells cultured on either a soft hydrogel scaffold or a rigid polymer membrane. Ultrasound driving frequency and acoustic pressure amplitude were varied, while the pulse length was fixed at 15 cycles. RESULTS: Our results show that the slope of sonoporation efficiency versus microbubble radial excursion curve decreased by a factor of 30 when using the soft scaffold versus the rigid one, despite no apparent differences in microbubble dynamics. Furthermore, the nearly identical sonoporation efficiency versus radial excursion curves across the employed ultrasound frequencies of 0.5, 1.0 and 2.0 MHz suggest that acoustic radiation forces and normal or shear stresses are unlikely to be the primary mechanisms driving the observed differences. Additionally, membrane pore size increased with frequency for the rigid scaffold but decreased for the soft scaffold. CONCLUSION: Our findings highlight the critical role of mechanical scaffold properties in determining sonoporation outcomes, where softer scaffolds result in reduced membrane disruption and altered pore formation dynamics despite unchanged bubble oscillation behavior.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».