I bioink molecolarmente scindibili facilitano l'effetto high

Nature Communications volume 13, numero articolo: 3317 (2022) Citare questo articolo

7754 accessi

19 citazioni

19 Altmetrico

Dettagli sulle metriche

La bioprinting con elaborazione della luce digitale favorisce la biofabbricazione di tessuti con una migliore complessità strutturale. Tuttavia, la fabbricazione di tessuti molli con questo metodo rimane una sfida per bilanciare le prestazioni fisiche dei bioinchiostri per la biostampa ad alta fedeltà e i microambienti adatti per la prosperità delle cellule incapsulate. Qui, proponiamo un approccio di scissione molecolare, in cui il metacrilato dell'acido ialuronico (HAMA) viene miscelato con gelatina metacriloile per ottenere una biostampa ad alte prestazioni, seguita dalla digestione selettiva enzimatica di HAMA, con conseguente proprietà meccaniche di abbinamento dei tessuti senza perdere la complessità strutturale e la fedeltà . Il nostro metodo consente miglioramenti morfologici e funzionali cellulari su più tipi di tessuti biostampati caratterizzati da un'ampia gamma di rigidità meccanica, dai muscoli al cervello, l'organo più morbido del corpo umano. Questa piattaforma ci consente di biofabbricare costrutti sintonizzabili meccanicamente con precisione per soddisfare i requisiti di funzione biologica dei tessuti bersaglio, aprendo potenzialmente la strada ad ampie applicazioni nell'ingegneria dei tessuti e dei modelli tissutali.

La bioproduzione additiva, comunemente nota come bioprinting tridimensionale (3D), ha attirato un'attenzione sempre crescente nella biofabbricazione dei tessuti per una gamma di applicazioni1,2,3,4,5. In particolare, è necessaria un’adeguata integrazione della biostampa 3D con bioinchiostri meticolosamente progettati per soddisfare i requisiti meccanici e fisiologici multifattoriali ottimizzati per la generazione di tessuti. Ad oggi, sono stati compiuti progressi significativi verso la produzione di costrutti strutturalmente sofisticati con forme e geometrie che imitano i tessuti utilizzando varie modalità di bioprinting 3D6,7. In particolare, la bioprinting 3D che utilizza l’approccio basato sull’elaborazione della luce digitale (DLP) spesso mostra prestazioni superiori sia in termini di velocità di stampa che di complessità strutturale rispetto ad altri metodi di bioprinting, come le tecniche basate sull’estrusione8,9,10. Ad esempio, la biostampa di modelli di idrogel di un costrutto distale che imita il polmone e di costrutti incorporati in microcanali simili a vasi, tra gli altri, è stata recentemente segnalata attraverso l'uso della (bio)stampa basata su DLP11.

Sebbene la complessità strutturale svolga un ruolo vitale nella ricapitolazione dei tessuti, anche i microambienti fisiologici sono essenziali da considerare per ottenere adeguate funzioni tessuto-specifiche12. In effetti, è stato svolto pochissimo lavoro di ottimizzazione per formulare bioinchiostri abilitanti per la biostampa DLP, che dovrebbero soddisfare la richiesta meccanica di fedeltà di stampa soddisfacendo contemporaneamente i requisiti biologici per i tipi di cellule caricate13. In particolare, rimane molto impegnativo costruire organi mimi-molli come il cervello e il fegato14. È un dato di fatto, i prerequisiti nello sviluppo del bioink per la biofabbricazione dei tessuti molli si escludono normalmente a vicenda tra le diverse modalità di bioprinting. Da un lato, i bioinchiostri con forti proprietà meccaniche possono aiutare nella deposizione dei filamenti nella biostampa per estrusione o nel sollevamento strato per strato nella biostampa DLP15. Tuttavia, le rigide reti di bioinchiostro determinano funzioni cellulari limitate, incluse ma non limitate alla diffusione, proliferazione e differenziazione cellulare, per le cellule che in origine provengono dai tessuti molli16,17. D'altra parte, le proprietà meccaniche dei bioink compatibili con le cellule derivate dai tessuti molli sono generalmente insufficienti per facilitare il processo di bioprinting, soprattutto quando si desiderano costrutti volumetrici9,18. Questo dilemma è ben esemplificato dal vasto corpus di rapporti attualmente esistenti sul bioprinting DLP; strutture ad alta fedeltà e volumetricamente sofisticate con bioattività limitate sono ottenibili quando la meccanica del (bio)inchiostro è elevata11, mentre bioinchiostri morbidi con buone attività cellulari consentirebbero solo la creazione di costrutti tissutali planari o pseudo-3D19,20. Pertanto, la mancanza di un design del bioinchiostro citocompatibile ma sintonizzabile meccanicamente rimane un importante inibitore per ulteriori applicazioni della biostampa DLP di costrutti tissutali veramente 3D, strutturalmente e biologicamente rilevanti.

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>