MétaCan
Menu
Retour à la cohorte
Enregistrement W7117371603 · doi:10.1002/adfm.202529084

Mechanically Stable and Tunable Photoactivated Peptide‐Based Hydrogels for Soft Tissue Adhesion

2025· article· en· W7117371603 sur OpenAlexafffund
Alex Ross, D. Nguyen, Aidan J. MacAdam, German A. Mercado Salazar, Micaela Gianetti, Ramis İleri, Erik J. Suuronen, Emilio I. Alarcón

Notice bibliographique

RevueAdvanced Functional Materials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensCarleton UniversityUniversity of Ottawa
Organismes subventionnairesUniversities Space Research AssociationCanadian Institutes of Health ResearchUniversity of OttawaNatural Sciences and Engineering Research Council of CanadaHeart and Stroke Foundation of Canada
Mots-clésSelf-healing hydrogelsSoft materialsPeptideAdhesionAdhesiveTissue engineeringCell adhesionTissue Adhesion

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Compared to the use of natural‐based products, peptide‐based materials can be produced synthetically to reduce cost, batch variability, and avoid pathogen transmission while providing flexible platforms with suitable tissue and cell compatibilities for biomedical uses. In this study, we present a rationally designed, collagen‐like peptide (CLP) hydrogel platform utilizing supramolecular self‐assembly and light‐triggered thiol‐ene crosslinking to form mechanically stable and tunable materials for use as soft tissue adhesives. By screening and characterizing a library of synthetic peptides, ideal candidates for hydrogel formation are identified. Upon adjusting the peptide concentration or structural properties such as junction functionality and choice of reactive group, the mechanical properties of these peptide hydrogels can be optimized to generate robust biomaterials capable of closing wounds with strength comparable to commercial tissue adhesives such as LiquiBand. These peptide materials are also cytocompatible and biodegradable, indicating their potential as adhesives for soft tissue repair.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,262
Écart entre enseignants0,250 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvanced Functional MaterialsMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207