@phdthesis{Leiendecker2016,
  author    = {Leiendecker, Mai-Thi},
  title     = {Physikalische Hydrogele auf Polyurethan-Basis},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-103917},
  school      = {Universit{\"a}t Potsdam},
  pages     = {109},
  year      = {2016},
  abstract  = {Physical hydrogels have gained recent attention as cell substrates, since viscoelasticity or stress relaxation is a powerful parameter in mechanotransduction, which has long been neglected. We designed multi-functional polyurethanes to form physical hydrogels via a unique tunable gelation mechanism. The anionic polyurethanes spontaneously form aggregates in water that are kept in a soluble state through electrostatic repulsion. Fast subsequent gelation can be triggered by charge shielding which allows the aggregation and network building to proceed. This can be induced by adding either acids or salts, resulting in acidic (pH 4-5) or pH-neutral hydrogels, respectively. Whereas conventional polyurethane-based hydrogels are commonly prepared from toxic isocyanate precursors, the physical hydrogelation mechanism described here does not involve chemically reactive species which is ideal for in situ applications in sensitive environments. Both stiffness and stress relaxation can be tuned independently over a broad range and the gels exhibit excellent stress recovery behavior.},
  language  = {de}
}
@phdthesis{Bischofs2004,
  author    = {Bischofs, Ilka Bettina},
  title     = {Elastic interactions of cellular force patterns},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-0001767},
  school      = {Universit{\"a}t Potsdam},
  year      = {2004},
  abstract  = {Gewebezellen sammeln st{\"a}ndig Informationen {\"u}ber die mechanischen Eigenschaften ihrer Umgebung, indem sie aktiv an dieser ziehen. Diese Kr{\"a}fte werden an Zell-Matrix-Kontakten {\"u}bertragen, die als Mechanosensoren fungieren. J{\"u}ngste Experimente mit Zellen auf elastischen Substraten zeigen, dass Zellen sehr empfindlich auf Ver{\"a}nderungen der effektiven Steifigkeit ihrer Umgebung reagieren, die zu einer Reorganisation des Zytoskeletts f{\"u}hren k{\"o}nnen. In dieser Arbeit wird ein theoretisches Model entwickelt, um die Selbstorganisation von Zellen in weichen Materialien vorherzusagen. Obwohl das Zellverhalten durch komplexe regulatorische Vorg{\"a}nge in der Zelle gesteuert wird, scheint die typische Antwort von Zellen auf mechanische Reize eine einfache Pr{\"a}ferenz f{\"u}r große effektive Steifigkeit der Umgebung zu sein, m{\"o}glicherweise weil in einer steiferen Umgebung Kr{\"a}fte an den Kontakten effektiver aufgebaut werden k{\"o}nnen. Der Begriff Steifigkeit umfasst dabei sowohl Effekte, die durch gr{\"o}ßere H{\"a}rte als auch durch elastische Verzerrungsfelder in der Umgebung verursacht werden. Diese Beobachtung kann man als ein Extremalprinzip in der Elastizit{\"a}tstheorie formulieren. Indem man das zellul{\"a}re Kraftmuster spezifiziert, mit dem Zellen mit ihrer Umgebung wechselwirken, und die Umgebung selbst als linear elastisches Material modelliert, kann damit die optimale Orientierung und Position von Zellen vorhergesagt werden. Es werden mehrere praktisch relevante Beispiele f{\"u}r Zellorganisation theoretisch betrachtet: Zellen in externen Spannungsfeldern und Zellen in der N{\"a}he von Grenzfl{\"a}chen f{\"u}r verschiedene Geometrien und Randbedingungen des elastischen Mediums. Daf{\"u}r werden die entsprechenden elastischen Randwertprobleme in Vollraum, Halbraum und Kugel exakt gel{\"o}st. Die Vorhersagen des Models stimmen hervorragend mit experimentellen Befunden f{\"u}r Fibroblastzellen {\"u}berein, sowohl auf elastischen Substraten als auch in physiologischen Hydrogelen. Mechanisch aktive Zellen wie Fibroblasten k{\"o}nnen auch elastisch miteinander wechselwirken. Es werden daher optimale Strukturen als Funktion von Materialeigenschaften und Zelldichte bzw. der Geometrie der Zellpositionen berechnet. Schließlich wird mit Hilfe von Monte Carlo Simulationen der Einfluss stochastischer St{\"o}rungen auf die Strukturbildung untersucht. Das vorliegende Model tr{\"a}gt nicht nur zu einem besseren Verst{\"a}ndnis von vielen physiologischen Situationen bei, sondern k{\"o}nnte in Zukunft auch f{\"u}r biomedizinische Anwendungen benutzt werden, um zum Beispiel Protokolle f{\"u}r k{\"u}nstliche Gewebe im Bezug auf Substratgeometrie, Randbedingungen, Materialeigenschaften oder Zelldichte zu optimieren.},
  language  = {en}
}