MétaCan
Menu
Retour à la cohorte
Enregistrement W4416368437 · doi:10.1126/sciadv.adw9953

3D necroprinting: Leveraging biotic material as the nozzle for 3D printing

2025· article· en· W4416368437 sur OpenAlexafffund
Justin Puma, Zhen Yang, Xiaoyi Lan, Lingzhi Zhang, Hongyu Hou, Zixin He, Ali Afify, Megan A. Creighton, Jianyu Li, Changhong Cao

Notice bibliographique

RevueScience Advances · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clés3D printing3d printedNozzleRapid prototypingMicrofluidicsMicrosphereBiomimetics

Résumé

récupéré en direct d'OpenAlex

Nature has long inspired engineering innovations. Recent advances in biohybrid research have taken this inspiration further by directly integrating biotic materials into engineered systems. Here we report "3D necroprinting," a biohybrid manufacturing technique that repurposes female mosquito proboscides as high-resolution 3D printing nozzles. The mosquito proboscis, with its unique geometry, structure, and mechanics, enables printed line widths as fine as 20 μm, surpassing commercially available 36-gauge dispense tips by ~100%. The mosquito proboscis dispense tip can withstand internal pressures of approximately 60 kPa, enabling effective fluid extrusion. Demonstrated applications include high-resolution printing of complex structures such as a honeycomb structure, a maple leaf, and bioscaffolds encapsulating cancer cells and red blood cells, showcasing the versatility and capacity of 3D necroprinting. By introducing biotic materials as viable substitutes to complex engineered components, this work paves the way for sustainable and innovative solutions in advanced manufacturing and microengineering.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,015
Tête enseignante GPT0,318
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207