354 Arbeiten
Die Studie stellt das IntravChip vor, ein durchströmtes mikrofluidisches Modell mit vaskularisiertem Tumor-Mikromilieu, das die Beobachtung und Sammlung intravasierter Tumorzellen ermöglicht, ihre molekulare Charakterisierung durch Super-Resolution-Mikroskopie erlaubt und als Plattform zur Testung von Anti-Krebs-Therapien dient.
Die Studie zeigt, dass herkömmliche Isolierungsmethoden für die Nanopartikel-Proteinkorona oft extrazelluläre Vesikel mitisolieren, was zu verzerrten Proteomprofilen führt, und demonstriert, dass eine vorherige Depletion dieser Vesikel durch Immunoaffinitätsfänger die Analyse der biologischen Identität und die Genauigkeit der Proteomik entscheidend verbessert.
Diese Studie stellt eine hochdurchsatzfähige 384-Well-Plattform vor, die die Bestimmung der für die Vitrifikation erforderlichen Kryoprotektor-Konzentration (Cv) in multikomponentigen wässrigen Lösungen um das 50-fache beschleunigt, den Einfluss von Umgebungsbedingungen und Molekulargewicht auf das Vitrifikationsverhalten aufzeigt und ein präzises Mischungsmodell zur rationalen Entwicklung toxischitätsarmer Kryoprotektor-Formulierungen bereitstellt.
Diese Studie nutzt genomweite CRISPR-Aktivierungsscreens zur Identifizierung von Proteinen, die die homologe Rekombination fördern, und entwickelt darauf aufbauend synthetische „TruEditors", die die Präzision der Genomeditierung in verschiedenen Zelltypen, einschließlich primärer T-Zellen und pluripotenter Stammzellen, signifikant verbessern.
Die Arbeit stellt das modulare PAO-Framework vor, das geometrie-gesteuerte Plasmonik, KI-gestützte kinetische Inferenz und Organoid-Validierung integriert, um durch einen aktiven Lern- und Optimierungszyklus die Leistungsfähigkeit und Zuverlässigkeit neuartiger Biosensoren zu maximieren.
Diese Studie stellt ein verfeinertes Bioenergetik-Modell für den Schwarzbarsch vor, das durch die Integration von Futterzusammensetzung und nährstoffspezifischen Verdaulichkeitskoeffizienten im Vergleich zu herkömmlichen Modellen auf Bruttoenergiebasis eine deutlich höhere Vorhersagegenauigkeit für das Wachstum erzielt.
Die Studie zeigt, dass vereinfachte Finite-Elemente-Modelle zwar für das vorläufige Design von Kiefergelenkimplantaten geeignet sind, detaillierte Modelle jedoch für die abschließende präklinische Bewertung unverzichtbar bleiben, da Vereinfachungen zu erheblichen Unterschätzungen von Spannungen und Dehnungen führen können.
Die Studie stellt eine neuartige, an das Wachstum anpassbare Elektronik und eine KI-gestützte Signalverarbeitung vor, die erstmals eine langfristige Verfolgung einzelner Neuronen im sich entwickelnden Rattenhirn ermöglicht und zeigt, dass die postnatale Entkopplung neuronaler Aktivität durch einen spezifischen Subtyp von Neuronen mit sich ändernder Kopplungsstärke getrieben wird.
Die Studie stellt X-TRUDE vor, ein prozessinformiertes Analyseframework, das durch die Integration von In-situ-Drucksensorik und kontrollierten thermischen Bedingungen die Zuverlässigkeit der Extrusion von Hydrogelen für Anwendungen in der Biofabrikation und Wirkstoffverabreichung durch die Aufklärung prozessspezifischer Phänomene und die quantitative Verknüpfung von Materialeigenschaften mit der Extrudatmorphologie verbessert.
Die Studie zeigt, dass die Stereochemie von Liganden die Bildung chiraler oder achiraler Nanostrukturen bei Graphen-Quantenpunkten steuert, wobei die nanoskopische strukturelle Chiralität spezifisch den passiven Transport durch biologische Membranen bestimmt, während der aktive Transport primär von der Ligandenidentität abhängt.
Diese Studie zeigt, dass die fortschreitende Versteifung des synovialen Mikromilieus bei Osteoarthritis durch mechanische Aktivierung von Synovialfibroblasten und Makrophagen die Pathogenese der Erkrankung antreibt, wobei das DMM-Mausmodell als Plattform dient, um die molekularen Grundlagen der synovialen Fibrose zu entschlüsseln.
Diese Studie zeigt, dass die elektrische Oberflächenpolarisation von Apatit-basierten Knochenersatzmaterialien die Osteoklastendifferenzierung und -aktivität sowie die in vivo Knochenneubildung und Implantatintegration signifikant verbessert, ohne die Bulk-Eigenschaften zu verändern.
Die Studie zeigt, dass eine Verringerung der Verzweigung von N-Glykanen an GM-CSF, die durch Glycoengineering in CHO-Zellen erzeugt wird, die biologische Aktivität des Zytokins signifikant hemmt, was die Bedeutung präziser Glykostruktur-Optimierung für die therapeutische Wirksamkeit unterstreicht.
Diese Studie zeigt, dass die Wahl des geometrischen Modells (von 2D-Projektionen bis zu vollständigen 3D-Rekonstruktionen) die statistische Analyse der Venenmorphologie und die daraus abgeleiteten hämodynamischen Risikofaktoren für tiefe Beinvenenthrombosen erheblich beeinflusst, wobei vereinfachte Modelle die Bereiche mit niedrigem Wandschubspannungsniveau im Vergleich zu patientenspezifischen 3D-Modellen systematisch überschätzen.
Die Studie stellt ein neuartiges Deep-Learning-Modell namens RDBCycleGAN-CBAM vor, das durch die Integration von residualen dichten Blöcken und CBAM-Aufmerksamkeitsmodulen in einen CycleGAN-Rahmen unpaarige CT-Bilder mit einer Viertel-Dosis effektiv entrauscht und dabei signifikant höhere Bildqualitätsmetriken (PSNR und SSIM) sowie den Erhalt diagnostischer Details im Vergleich zu bestehenden Methoden erreicht.
Die Studie stellt den Sniffbot vor, einen autonomen biohybriden Roboter, der die außergewöhnlichen olfaktorischen Fähigkeiten von Heuschreckenantennen mit einem aktiven Schnüffelmechanismus und einem neuartigen Suchalgorithmus kombiniert, um Gerüche in Echtzeit zu lokalisieren und zu unterscheiden, selbst in windstillen Umgebungen.
Die Studie stellt die Time-domain Epithelial Impedance Measurement (TEIM) vor, eine Methode zur subsekunden Messung extrazellulärer Impedanzen von Epithelzellmonolagen mittels Stufenanregung und Zeitbereichsanalyse, die eine 100-fach höhere Zeitauflösung als herkömmliche EIS bietet und damit die Erfassung schneller biologischer Dynamiken ermöglicht.
Diese Studie zeigt, dass die Integration einer Knochenunterdrückung als Vorverarbeitungsschritt die Leistung von CNN- und Vision-Transformer-Modellen bei der Segmentierung und Lokalisierung von Pneumothorax in Röntgenbildern der Brust signifikant verbessert, indem sie anatomische Verdeckungen durch Knochen reduziert und so die Genauigkeit der automatisierten Diagnose erhöht.
Diese Studie stellt einen neuen therapeutischen Ansatz vor, bei dem bispezifische Antikörper („Shedder") die rekrutierte Protease ADAM10 nutzen, um extrazelluläre Membranproteine wie LAG-3 selektiv durch Ektodomänen-Absprengung von der Zelloberfläche zu entfernen, ohne auf lysosomalen Abbau angewiesen zu sein.
Diese Studie nutzt einen neuartigen KI-gestützten Workflow aus 3D-Bildgebung und Multi-Omics-Analysen, um molekulare Biomarker und zelluläre Signaturen (insbesondere seneszente Makrophagen) im prämetastatischen Nischen-Mikromilieu des Lungenkrebses zu identifizieren, was die Risikobewertung für ein lokales Rezidiv nach chirurgischer Entfernung ermöglicht.