早期材料特性作为在挤出3D生物打印3D生物打印过程中神经生物墨水性能的预测因素
Victor A da Silva1, Bosco Yu1, Stephanie M Willerth2
1Department of Mechanical Engineering, University of Victoria, 3800 Finnerty Road, Victoria, British Columbia, V8P 5C2, Canada.
Biofabrication
|February 17, 2026
概括
这项研究开发了一个数据驱动的框架,以预测使用早期材料特性预测生物打印组织结构性能. 支持向量回归 (SVR) 有效预测了神经前体细胞 (NPC) 的行为,优化了神经组织工程的生物墨水配方.
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.
- 再生医学是一种再生医学.
- 计算生物学 计算生物学
背景情况:
- 生物油墨配方对于生物打印组织结构性能至关重要.
- 目前的生物墨水开发主要依赖于组合调.
- 缺乏对物质特性对细胞行为影响的机制性理解.
研究的目的:
- 建立一个数据驱动的框架,将早期的物理化学特性与生物墨水的长期生物结果联系起来.
- 为了研究风湿学,可打印性和胀/退化特征的预测能力.
- 为了优化生物墨水配方用于神经母细胞 (NPC) 应用.
主要方法:
- 纤维素-酸生物墨水机械性能的系统表征.
- 评估生物墨水对NPC活力,增殖和3D培养中的功能的影响.
- 使用交叉验证 (RMSE,R2) 进行预测性能的回归模型 (MLR,Lasso,Ridge,弹性网,SVR) 的比较.
- 在化学上不同的生物墨水 (Chitosan,纤维素,Pluronic) 上进行外部验证.
主要成果:
- 支持向量回归 (SVR) 在多个终点 (83%的特征) 中表现出最一致的预测性能.
- 外部验证显示,预测模型的材料依赖性可转移性,基托基生物墨水的结果强大.
- 多目标优化确定了一种最佳的纤维素-酸盐配方 (20 mg/mL纤维素,1%酸盐),促进神经元标记物表达和神经元外生长.
结论:
- 一个基于rheology的,数据驱动的框架可以优先考虑用于神经生物制造的生物墨水配方.
- 物理化学性质可以预测长期的生物结果,减少经验试错.
- 这项研究定义了不同生物墨水化学的预测模型的实际概括极限.
