生物油墨配方的数据驱动优化用于基于挤出的生物打印:一种预测建模方法
Rokeya Sarah1, Riley Rohauer2, Kory Schimmelpfennig3
1Department of Sustainable Product Design and Architecture, Keene State College, 229 Main Street, Keene, NH 03435.
概括
这项研究开发了用于组织工程的ALGEC生物墨水的预测模型. 这些模型优化生物墨水组成,以提高可打印性和再生医学应用中的结构完整性.
科学领域:
- 生物材料科学 生物材料科学
- 组织工程是组织工程.
- 类风病学 类风病学 类风病学
背景情况:
- 基于挤出的生物打印对于制造复杂的组织结构至关重要.
- 生物油墨的整形学,特别是粘度,决定了可打印性和结构完整性.
- 了解生物墨水成分-粘度关系对于成功的生物打印至关重要.
研究的目的:
- 为了研究新型ALGEC生物油墨 (Alginate,Gelatin,TEMPO氧化纳米纤维化纤维素) 的质行为.
- 根据成分和剪切率,开发生物墨水粘度的预测模型.
- 优化ALGEC配方,以提高生物打印性能.
主要方法:
- 准备的ALGEC生物墨水含有不同度的酸盐,凝和TO-NFC.
- 在一系列剪速 (0.1100s−1) 的范围内测量粘度.
- 开发并验证了多项式适合和多重回归模型来预测粘度.
主要成果:
- 最好的预测模型实现了0.98的R2和0.12的MAE.
- 优化的ALGEC配方显示出更好的打印性和结构稳定性.
- 基于模型的优化成功引导了针对目标粘度的生物墨水配方.
结论:
- 预测性风湿学模型对于优化组织工程中的生物墨水配方是有效的.
- 优化的ALGEC生物墨水提高了生物打印结构的打印能力和稳定性.
- 这种方法通过改进生物制造过程,促进了再生医学的发展.


