Caractérisation et utilisation de polymères en brosse pour la lubrification des tissus et des dispositifs médicaux
Bibliographic record
Abstract
La friction entre les surfaces mobiles de l’organisme peut être un problème difficile à résoudre, notamment dans les pathologies dégénératives comme l’arthrose ou la sécheresse oculaire. Malgré le développement de nombreux produits pharmaceutiques, les matériaux actuellement utilisés pour protéger les tissus blessés et les dispositifs biomédicaux contre l'usure par frottement sont encore limités dans leurs performances. Il existe un besoin urgent de matériaux injectables capables de protéger ces tissus et dispositifs afin de prolonger leur durée de vie et de traiter efficacement des maladies dégénératives. Parmi les innovations de la dernière décennie, les polymères à structure dite « en brosse » (BBs) se sont révélés prometteurs pour amoindrir les problèmes de friction et d'usure. Inspirés de l’architecture spécifique du protéoglycane 4, l'un des principaux composants lubrifiants du cartilage, les macromolécules BBs sont constituées d’un squelette linéaire et de chaînes latérales formant une brosse dense pouvant maintenir de l’eau sous une pression élevée. Les différentes structures des BBs, selon le squelette et leurs chaînes latérales, conduisent à plusieurs caractéristiques morphologiques et propriétés tribologiques intéressantes dans l’ingénierie tissulaire. Bien que leurs propriétés lubrifiantes aient été prouvées dans plusieurs études, les BBs n’ont à ce jour que peu d’applications. D’une part, la corrélation entre leur structure et leurs propriétés physicochimiques n’est pas encore clairement établie. D’autre part, il manque encore des études relatives à l’efficacité des BBs sur de vrais tissus. Pour pallier ce problème, notre projet vise à caractériser les propriétés physicochimiques et tribologiques des BBs sur différents types de surfaces en fonction de leur structure. La longueur du squelette, la densité de greffage et l’addition du groupe d’ancrage sont les 3 variables principales étudiées dans ce projet. La lubrification ainsi que d’autres propriétés importantes des BBs ont été évaluées sur les surfaces molles des cartilages, des yeux et des lentilles en contact. Les tests tribologiques ont été menés en utilisant un appareil à force de surface (SFA) via l’association du protocole classique et avancé qui l’adapte aux surfaces testées. A côté de la tribologie, l’affinité cinétique, la toxicité, les propriétés antisalissure et anti-inflammatoire des BBs sur les interfaces ont aussi été étudiées dans ce projet via les techniques de LigandTracer et de microscope fluorescent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".