Machine Learning e Bioprinting: i ricercatori migliorano i metodi Drop-on-Demand (DOD)
Mentre i bioprinting continuano a prendere piede nei laboratori di tutto il mondo, i ricercatori continuano a studiare il processo in modo intensivo per sfruttare le tecniche e l’innovazione attuali. Nella ” Progettazione dell’ottimizzazione multiobiettivo attraverso l’apprendimento automatico per la bioprinting Drop-on-Demand” , gli autori Jia Shi, Jinchun Song, Bin Song e Wen Lu esplorano le sfide dei metodi drop-on-demand (DOD) per la stampa di celle.
Mentre la biostampa DOD offre importanti vantaggi come l’accessibilità e la velocità di produzione durante l’ingegneria tissutale, ci sono altre sfide significative che sono state difficili da superare in laboratorio, come la generazione di satelliti e le goccioline troppo grandi o la velocità troppo elevata Basso. L’ingegneria dei tessuti è un processo estremamente complesso e mantenere le cellule vive può essere un compito enorme, quindi qualsiasi tecnica che riduca la stabilità o l’accuratezza viene spesso rapidamente ignorata. Qui, gli autori descrivono il loro nuovo metodo di progettazione per i parametri di stampa DOD: ottimizzazione multi-obiettivo (MOO).
Il metodo MOO consente lo sviluppo di un modello di formazione satellitare con reti neurali completamente connesse (FCNN), ma crea anche gocce più piccole estruse a velocità più elevate. Le caratteristiche delle gocce possono variare in base ai parametri di stampa. Le impostazioni, i tipi di inchiostro e le strutture della testina di stampa possono avere un effetto negativo sulla bioprinting se non utilizzati correttamente, e fino ad ora, poche configurazioni di bioprinting sono state in grado di offrire tutte le ottimizzazioni necessarie per ottenere risultati migliori. In parte questo è dovuto al fatto che migliorare una sfida spesso ne provoca altri:
“Ad esempio, l’aumento della velocità delle gocce può migliorare la stabilità di stampa, ma genera satelliti. La riduzione dei satelliti o del diametro delle gocce può migliorare la precisione di stampa, ma può ridurre la velocità delle gocce e la stabilità di stampa. Quindi, c’è la necessità di trovare la migliore soluzione possibile per bilanciare questi diversi obiettivi attraverso un metodo di ottimizzazione multiobiettivo (MOO) “, affermano i ricercatori.
Hanno iniziato ad esplorare l’apprendimento automatico come soluzione ai complessi problemi del bioprinting, speranzosi per la sua efficacia in molti altri campi legati all’ingegneria. Hanno creato un diagramma schematico per l’utilizzo di MOO per lavorare all’interno dei parametri di stampa DOD piezoelettrici.
Sono stati creati un’ottimizzazione dell’obiettivo singolo e sono stati creati problemi MOO in modo che il team di ricerca potesse continuare a perfezionare i parametri di stampa. Le reti neurali completamente connesse (FCNN) hanno funzionato per “identificare” la connessione tra i satelliti e i parametri di stampa, con il loro modello di simulazione che contiene i dati. In definitiva, il team ha scoperto che stampando una (più piccola) gocciolina alla volta potevano accelerare l’intero processo e migliorare l’accuratezza e la stabilità.
Configurazione sperimentale per la stampa di celle DOD piezoelettriche. 3D: tridimensionale.
L’apprendimento automatico è stato utilizzato per mappare ciò che si è dimostrato essere un modello complesso. I ricercatori hanno personalizzato una testina di stampa DOD piezoelettrica con un diametro dell’ugello di 100 μm e utilizzato una telecamera ad alta velocità per catturare il processo di stampa, poiché la tensione è stata applicata per innescare la formazione delle goccioline. Sono stati utilizzati i seguenti bioink:
Celle HeLa
Dulbecco’s Modified Eagle Medium (DMEM)
Alginato di sodio (SA)
“Quando si aumentava la concentrazione di SA all’1,0%, inizialmente venivano usate due concentrazioni di cellule, 1 × 10 6 e 0,5 × 10 6 mL -1 . I risultati dei test hanno mostrato che entrambi avevano quasi la stessa viscosità, mentre quello con 1 × 10 6 ml di cellule -1 non poteva penetrare nelle goccioline dopo l’espulsione “, hanno affermato i ricercatori. “Un possibile motivo per questo risultato è che il valore di tensione superficiale di questo bio-inchiostro diminuisce durante il processo transitorio di generazione di goccioline, che riduce la totale energia libera e aumenta la difficoltà di stampa.
“Quindi, le cellule con una concentrazione di 0,5 × 10 6 mL -1 sono state selezionate per la preparazione del bio-inchiostro C come elencato nella Tabella 3 al fine di garantire che la stampante funzionasse correttamente.”
Tabella 3 – Proprietà dei bioinchiostri carichi di cellule.
Per la sfida SOO, la tensione è stata utilizzata nelle “gocce primarie” di stampa 3D per i bio-inchiostri che si vedono in Tabella 3. I bioink A e B hanno causato la formazione di satelliti, mentre il bioink C non ha richiesto goccioline.
“Tutte le tensioni ottimizzate sono state in grado di generare solo goccioline primarie quando sono state stampate con il corrispondente bio-inchiostro, che ha verificato gli FCNN e i risultati SOO progettati.”
Confronto delle prestazioni di stampa con diversi parametri di stampa.
Nella progettazione dell’ottimizzazione dei parametri di stampa DOD, i ricercatori hanno appreso che i bioink altamente viscosi non producono la precisione o le qualità “robuste” necessarie. Il team di ricerca ha concluso come segue:
“I risultati hanno mostrato che singole gocce venivano stampate stabilmente dopo l’ottimizzazione nel problema SOO. Nel problema MOO, la velocità della gocciolina è stata aumentata da 0,88 a 2,08 m · s -1 dopo l’ottimizzazione. Inoltre, in base al diametro dell’ugello ottimizzato della testina di stampa DOD, è stata proposta una gamma di proprietà di bio-inchiostro come riferimento per la preparazione del bioinchiostro per ottenere la massima precisione di stampa con un processo di stampa robusto. “
“La viscosità suggerita per l’inchiostro biologico è compresa tra 1,00 e 2,60 cP, la tensione superficiale è compresa tra 50,35 e 67,55 mN · m -1 e la tensione corrispondente è compresa tra 22 e 40 V. Il metodo proposto migliora la precisione e la stabilità della stampa per un preciso ordine di matrici cellulari. I risultati ottimizzati possono essere trattati come linee guida per l’installazione di una piattaforma sperimentale di bioprintingaggio DOD piezoelettrico. “
La stampa 3D offre infinite possibilità di progettazione, produzione e innovazione, molte delle quali non erano possibili prima. Oltre a ciò, ci sono numerose altre tecnologie che si sono ramificate dalla stampa 3D, come la stampa 4D con oggetti e trame che si trasformano man mano che il loro ambiente cambia. La bioprinting è un’altra, già dimostrando attraverso molti tipi diversi di dispositivi e impianti di essere inestimabile nel cambiare la qualità della vita per i pazienti, salvando vite umane e mostrando un forte potenziale per la produzione finale di organi umani in laboratorio.
