Alginate-gelatin-carboxymethylcellulose bioink designing and bioprinting to improve fibroblast cell niche
Notice bibliographique
Résumé
Most bioinks used in extrusion-based bioprinting are derived from natural hydrogels. Among these, alginate-gelatin blends are widely used but suffer from limited stability and suboptimal mechanical properties. In this study, a tricomponent bioink consisting of alginate, gelatin, and carboxymethylcellulose (CMC) is developed to address these limitations. To retain gelatin's cell-adhesive RGD sequences while minimizing rapid deterioration, the gelatin content was reduced compared to alginate-gelatin bioinks to preserve structural integrity and support cell attachment, spreading, and proliferation. The inclusion of CMC further enhanced the mechanical, rheological, and physical properties of the hydrogel. Four formulations with varying alginate and CMC concentrations were prepared and designated as D-1, D-2, D-3, and D-4. Among these, the D-4 formulation exhibited the highest compressive modulus and shear-thinning properties. NIH-3T3 fibroblasts were incorporated into each bioink formulation to assess cell viability, attachment, and proliferation. The D-4 bioprinted construct demonstrated a 21% increase in cell viability compared to the D-1 sample and a threefold increase in fibroblast proliferation relative to the control. These findings indicated that the alginate-gelatin-CMC bioink significantly improved the mechanical and biological performance over conventional alginate-gelatin formulations, offering a promising cell niche for skin tissue engineering applications.
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 | 0,003 | 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 ».