An Accessible Platform to Quantify Oxygen Diffusion in Cell‐Laden Hydrogels and Its Application to Alginate‐Immobilized Pancreatic Beta Cells
Notice bibliographique
Résumé
Hydrogels are commonly used to immobilize mammalian cells, offering mechanical support in 3D cultures and acting as barriers for immunoprotection in transplantation, such as islet encapsulation for diabetes therapy. Cell immobilization restricts bulk fluid motion, resulting in diffusion-limited molecular transport and nutrient concentration gradients, particularly for oxygen consumed by immobilized cells. Oxygen mass transport models are essential for designing immobilization strategies but often rely on assumed diffusion coefficients due to a lack of experimental data. We propose a cost-effective, accessible system for experimentally measuring oxygen diffusion coefficients in cell-laden hydrogels, tested on alginate-immobilized pancreatic beta cells (MIN6). Compared to water, oxygen diffusivity was significantly lower in alginate gels and inversely correlated with the dynamic loss modulus. Diffusivity also decreased with increasing alginate concentration from 2% to 5%. Cell viability depended heavily on gel concentration and cell density, as predicted by Thiele modulus and effectiveness factor values calculated from the measured diffusion coefficients. This platform, combining a simple experimental setup with dimensionless numbers, offers a practical way to predict maximal diffusion distances in cell immobilization strategies. The proposed approach can support rational design of cell encapsulation, immobilized cell culture, and tissue engineering strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».