Молекулярно расщепляемые биочернила облегчают

Nature Communications, том 13, номер статьи: 3317 (2022) Цитировать эту статью

8386 Доступов

21 цитат

20 Альтметрика

Подробности о метриках

Биопечать с цифровой обработкой света способствует биопроизводству тканей с улучшенной структурной сложностью. Тем не менее, изготовление мягких тканей с помощью этого метода остается проблемой, позволяющей сбалансировать физические характеристики биочернил для высокоточной биопечати и подходящую микросреду для процветания инкапсулированных клеток. Здесь мы предлагаем подход молекулярного расщепления, при котором метакрилат гиалуроновой кислоты (HAMA) смешивается с метакрилоилом желатина для достижения высокоэффективной биопечати с последующим селективным ферментативным расщеплением HAMA, что приводит к получению механических свойств, соответствующих тканям, без потери структурной сложности и точности. . Наш метод позволяет улучшить клеточные морфологические и функциональные улучшения во многих типах биопечатных тканей с широким диапазоном механической жесткости, от мышц до мозга, самого мягкого органа человеческого тела. Эта платформа позволяет нам создавать механически точно настраиваемые конструкции, отвечающие требованиям биологических функций тканей-мишеней, что потенциально открывает путь для широкого применения в разработке тканей и моделей тканей.

Аддитивное биопроизводство, широко известное как трехмерная (3D) биопечать, привлекает постоянно растущее внимание в области биопроизводства тканей для различных применений1,2,3,4,5. В частности, необходима правильная интеграция 3D-биопечати с тщательно разработанными биочернилами для удовлетворения многофакторных механических и физиологических требований, оптимизированных для создания тканей. На сегодняшний день достигнут значительный прогресс в создании структурно сложных конструкций, имеющих форму и геометрию, имитирующую ткани, с использованием различных методов 3D-биопечати6,7. Примечательно, что 3D-биопечать с использованием подхода, основанного на цифровой светообработке (DLP), часто демонстрирует превосходные характеристики как с точки зрения скорости печати, так и с точки зрения структурной сложности по сравнению с другими методами биопечати, такими как методы, основанные на экструзии8,9,10. Например, недавно сообщалось о биопечати гидрогелевых моделей дистальной конструкции, имитирующей легкие, и сосудоподобных конструкций, встроенных в микроканалы, среди прочего, с использованием (био)печати на основе DLP11.

Хотя структурная сложность играет жизненно важную роль в рекапитуляции тканей, физиологическое микроокружение также важно учитывать для достижения надлежащих тканеспецифичных функций12. Фактически, было проведено очень мало работ по оптимизации для разработки биочернил, пригодных для DLP-биопечати, которые должны отвечать механическим требованиям точности печати и одновременно удовлетворять биологические требования для загруженных типов клеток13. В частности, по-прежнему крайне сложно создать мягкие органы-имитаторы, такие как мозг и печень14. На самом деле, предпосылки разработки биочернил для биофабрикации мягких тканей обычно являются взаимоисключающими в различных методах биопечати. С одной стороны, биочернила с сильными механическими свойствами могут способствовать осаждению нитей при экструзионной биопечати или послойному подъему при DLP-биопечати15. Тем не менее, жесткие сети биочернил приводят к ограничению клеточных функций, включая, помимо прочего, распространение, пролиферацию и дифференцировку клеток, для клеток, которые имеют происхождение из мягких тканей16,17. С другой стороны, механические свойства биочернил, совместимых с клетками мягких тканей, обычно недостаточны для облегчения процесса биопечати, особенно когда желательны объемные конструкции9,18. Эта дилемма хорошо иллюстрируется огромным количеством существующих в настоящее время отчетов о биопечати DLP; высокоточные, объемно сложные структуры с ограниченной биоактивностью можно получить, когда механика (био)чернил высока11, тогда как мягкие биочернила с хорошей клеточной активностью позволяют создавать только плоские или псевдо-3D тканевые конструкции19,20. Таким образом, отсутствие цитосовместимой, но механически настраиваемой конструкции биочернил остается основным препятствием для дальнейшего применения DLP-биопечати действительно трехмерных, структурно и биологически значимых тканевых конструкций.

20 kPa generally exhibited good printability in the DLP-based method./p>7.5% pure GelMA (3.0 ± 0.5 kPa). It should be pointed out once more that the 7.5% GelMA by itself is almost non-printable through the DLP method (Supplementary Fig. 2). More importantly, a wide range of compressive moduli could be achieved through the digestible HAMA network, from ~180 kPa all the way down to 1 kPa, which is suitable for modeling multiple soft tissues including but not limited to the brain (1–4 kPa), the liver (1–10 kPa), the lung (10–15 kPa), and the heart (30–60 kPa)44./p>130 kPa). Figure 3c elucidated the establishment of parameter maps, by which any targeted moduli of mimic tissues could be navigated to find the initial concentrations of GelMA/HAMA to print, as well as the conditions of Hase concentration and digestion times for post-printing treatment, suggesting a good potential for multiple soft-tissue designs and fabrications. We further conducted additional verification experimental trials according to the predicted outcomes based on this established mathematical model. Target modulus values of 5, 15, 30, 65, and 110 kPa were chosen and the parameters used were calculated using numerical optimizations. This broad modulus range roughly covered our desired tissue moduli. The prediction interval was calculated beforehand to estimate an interval in which the mean of the additional trials would fall, at a probability of 95%. As shown in Supplementary Table 2, all five experimental moduli were found within the range of the respective prediction intervals (PIs), verifying the success of this simulation model./p>4.0 indicated that the model was suitable to navigate the design space for prediction./p>300 copies of one molecular. The DNBs were loaded into the patterned nanoarray and single-end 50 (pair-end 100/150) bases reads were generated in the way of combinatorial Probe Anchor Synthesis (cPAS). We applied Bowtie2 for mapping the clean reads to the reference gene sequence, and then used RSEM to calculate the gene expression level of each sample. Significant DEGs were determined by false discovery rate (FDR) < 0.05. According to the results of differential gene detection, the R package heatmap was used to perform hierarchical clustering analysis on the union set differential genes. PCA was performed for comparison between the samples (GM and Hase-1000). For GO and KEGG pathway enrichment analyses, all DEGs were mapped to terms in the KEGG and GO databases and queried for significantly enriched terms. Pathway with Q-value (corrected P-value) < 0.05 was defined as the pathway that is significantly enriched in differentially expressed genes. GSEA was performed with the database of GSEA MSigDB C5 (GO) biological processes./p>