MétaCan
Menu
Retour à la cohorte
Enregistrement W7132858689

Flowable Approach for the Formation of Biomaterial Sheets

2020· dissertation· W7132858689 sur OpenAlexaff
Shashi Malladi

Notice bibliographique

RevueTSpace · 2020
Typedissertation
Langue
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrofluidicsFabricationBiomaterialNanoscopic scaleLamellar structureUltimate tensile strengthTissue engineeringShear (geology)Elasticity (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nature routinely uses a bottom – up approach for the organization of materials arounds us. This unique structural and hierarchical organization spans seven orders of magnitude in length scale: from molecular (~ nm) to organ dimensions (~ cm) is a hallmark of many organs. The variation in the structural organization imparts different functionalities and macroscopic properties such as elasticity, permeability, and optical transparency to tissues. Tissue – engineering routinely uses several promising strategies to engineer tissues that mimic the complex architecture and functionality of native tissues. However, some of their limitations include the inability to recapitulate the hierarchical assembly of materials, tunability of nanoscale properties, lack of scalability, and time – consuming fabrication methods. In this thesis, we have developed two microfluidics – enabled approaches for the scalable formation of fibrillar and polysaccharide – based hierarchical soft materials with precise control over the material composition, geometric and mechanical properties, cellular response, and structural assembly. In the first approach, we adopted a microfluidic strategy for the continuous formation of centimeter – wide, ultrathin collagen sheets. Application of shear via hydrodynamic flow – focusing through a geometric constriction and strain – induced pulling by a rotating mandrel, and the osmotic and evaporation – induced removal of water resulted in anisotropically aligned and compacted sheets with ultimate tensile strengths of 0.5 – 2.5 MPa and elastic moduli of 3 – 36 MPa. We used multi – lamellar collagen sheets to produce tissue – engineered vascular grafts with biomechanical properties similar to native vessels. The collagen sheets were also used as transwell – membranes for drug screening purposes. Human bronchial epithelial cells showed a high trans – epithelial resistance of 1900Ω x cm2. F508del – CFTR cells showed a three – fold increase in chloride conductance when treated with Cystic Fibrosis Trans –Regulator corrector, lumacaftor (VX – 809). The second microfluidic strategy allowed the continuous preparation, and processing of meter – long, roll – to – roll processed biomaterial sheets with control over thickness, morphology, and elastic properties. 3D structures with deterministic and stochastic voids were produced using layer – by – layer folding and stacking techniques. The approaches presented here find application in areas such as tissue engineering, regenerative medicine, drug – screening, and biohybrid devices.

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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,042
Tête enseignante GPT0,345
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujet3D Printing in Biomedical ResearchTravaux en français237 207