As biotintas cliváveis ​​molecularmente facilitam a alta
LarLar > Notícias > As biotintas cliváveis ​​molecularmente facilitam a alta

As biotintas cliváveis ​​molecularmente facilitam a alta

May 06, 2023

Nature Communications volume 13, Número do artigo: 3317 (2022) Citar este artigo

7754 Acessos

19 Citações

19 Altmétrica

Detalhes das métricas

A bioimpressão de processamento de luz digital favorece a biofabricação de tecidos com maior complexidade estrutural. No entanto, a fabricação de tecidos moles com este método continua sendo um desafio para equilibrar os desempenhos físicos das biotintas para bioimpressão de alta fidelidade e microambientes adequados para que as células encapsuladas prosperem. Aqui, propomos uma abordagem de clivagem molecular, onde metacrilato de ácido hialurônico (HAMA) é misturado com metacriloil de gelatina para obter bioimpressão de alto desempenho, seguida de digestão enzimática seletiva de HAMA, resultando em propriedades mecânicas de correspondência de tecido sem perder a complexidade estrutural e fidelidade . Nosso método permite melhorias celulares morfológicas e funcionais em vários tipos de tecidos bioimpressos apresentando uma ampla gama de rigidez mecânica, desde os músculos até o cérebro, o órgão mais macio do corpo humano. Essa plataforma nos permite biofabricar construtos ajustáveis ​​mecanicamente com precisão para atender aos requisitos de função biológica dos tecidos-alvo, potencialmente abrindo caminho para amplas aplicações em tecidos e engenharia de modelos de tecidos.

A biofabricação aditiva, comumente conhecida como bioimpressão tridimensional (3D), atraiu atenção cada vez maior na biofabricação de tecidos para uma variedade de aplicações1,2,3,4,5. Em particular, a integração adequada da bioimpressão 3D com biotintas meticulosamente projetadas é necessária para atender aos requisitos mecânicos e fisiológicos multifatoriais otimizados para a geração de tecidos. Até o momento, um progresso significativo foi feito na produção de construções estruturalmente sofisticadas com formas e geometrias que imitam tecidos usando várias modalidades de bioimpressão 3D6,7. Notavelmente, a bioimpressão 3D usando a abordagem baseada em processamento digital de luz (DLP) muitas vezes exibe um desempenho superior em termos de velocidade de impressão e complexidade estrutural em comparação com outros métodos de bioimpressão, como técnicas baseadas em extrusão8,9,10. Por exemplo, a bioimpressão de modelos de hidrogel de uma construção que imita o pulmão distal e construções incorporadas em microcanais semelhantes a vasos, entre outras, foram recentemente relatadas por meio do uso de (bio) impressão11 baseada em DLP.

Embora a complexidade estrutural desempenhe um papel vital na recapitulação tecidual, os microambientes fisiológicos também são essenciais para serem considerados para atingir as funções específicas do tecido adequadas12. Na verdade, muito pouco trabalho de otimização foi realizado para formular biotintas habilitadas para bioimpressão DLP, que devem atender à demanda mecânica de fidelidade de impressão e, ao mesmo tempo, satisfazer os requisitos biológicos para os tipos de células carregadas13. Em particular, continua sendo altamente desafiador construir imitações de órgãos moles, como o cérebro e o fígado14. Na verdade, os pré-requisitos no desenvolvimento de biotintas para biofabricação de tecidos moles são normalmente mutuamente exclusivos entre as diferentes modalidades de bioimpressão. Por um lado, as biotintas com fortes propriedades mecânicas podem auxiliar na deposição de filamentos na bioimpressão por extrusão ou levantamento camada por camada na bioimpressão DLP15. No entanto, as redes rígidas de bioink resultam em funções celulares limitadas, incluindo, entre outras, disseminação, proliferação e diferenciação celular, para células que são originárias de tecidos moles16,17. Por outro lado, as propriedades mecânicas de biotintas compatíveis com células derivadas de tecidos moles geralmente são insuficientes para facilitar o processo de bioimpressão, principalmente quando se deseja construções volumétricas9,18. Esse dilema é bem exemplificado pelo vasto corpo de relatórios atualmente existentes sobre bioimpressão DLP; estruturas volumetricamente sofisticadas de alta fidelidade com bioatividades limitadas são obtidas quando a mecânica da (bio)tinta é alta11, enquanto biotintas macias com boas atividades celulares permitiriam apenas a criação de construções de tecido planar ou pseudo-3D19,20. Portanto, a falta de design de biotinta citocompatível, mas mecanicamente sintonizável, permanece como um grande inibidor para futuras aplicações de bioimpressão DLP de construções de tecidos verdadeiramente 3D, estrutural e biologicamente relevantes.

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>