Effect of Engineered Nanoparticles-treated Root Canal Biofilm on Macrophage Plasticity and Interactions with Human Periodontal Ligament Fibroblast
Notice bibliographique
Résumé
The intracanal microbes, particularly in proximity to the apical foramen, often result in chronic inflammation of the periapical tissues that might lead to compromised post-treatment healing. Macrophages (MQ), which are major constituents of periapical lesions, respond to microbial factors and exhibit a key role in the pathogenesis as well as the healing of apical periodontitis owing to their functional plasticity. Depending on the microenvironmental cues, they polarize into pro-inflammatory (M1) or anti-inflammatory/pro-wound healing (M2) phenotype. MQ crosstalk with other immune cells and periradicular multipotent cells, such as periodontal ligament fibroblasts (PdLF), via soluble inflammatory signals, to regulate the disease/healing outcomes. Engineered chitosan-based nanoparticles (CSnp) that possess effective antibacterial activities could favorably interact with host cells by virtue of their inherent bioactivity and customized physicochemical properties. Herein, we aimed to (1) understand the influence of residual root canal biofilm on MQ-PdLF interaction, and (2) evaluate the effect of engineered CSnp on modulating residual biofilm-mediated inflammatory response of MQ and their interaction with PdLF. An ex-vivo model of Enterococcus faecalis biofilm in root canals was characterized to evaluate the inflammatory response to untreated versus treated biofilms. Engineered CSnp dispersed in carboxymethyl chitosan (CMCS) resulted in significant reduction of 6-week-old biofilm compared to conventional disinfection (P
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».