Key points are not available for this paper at this time.
3D-Bioprinting ermöglicht die Herstellung von druckbaren Geweben, einschließlich solcher für die Reparatur von Nerven, Knorpel und Haut. Die mechanischen Eigenschaften, insbesondere die Steifigkeit, von 3D-biogedruckten Gerüsten sind entscheidend für die Modulation von Zelladhäsion, -wachstum, -migration und -differenzierung. Die Steifigkeit eines Gerüsts kann nach dem Drucken durch Anpassung der Hydrogelkonzentration, der Konzentration des Vernetzungsmittels, der Lichtintensität während der Photokreuzvernetzung und der Dauer der Vernetzung eingestellt werden. Die Optimierung dieser Bedingungen, um die gewünschte Steifigkeit des Gerüsts für einen bestimmten Zelltyp oder eine Anwendung zu erreichen, ist ein zeitaufwendiger und rigoroser Prozess. Diese Studie entwickelte einen innovativen Ansatz zur Vorhersage des Kompressionsmoduls von 3D-gedruckten Gelatine-Methacryloyl (GelMA) Gerüsten unter Verwendung des Bayesian Optimization (BO) Algorithmus. Durch nur 10 Iterationen (75 Experimentaldatenpunkte) konnte das Modell mehr als 13.000 mögliche Werte für das Kompressionsmodul in einem Suchraum mit vier unabhängigen Variablen vorhersagen (GelMA-Konzentration, Konzentration des Vernetzungsmittels, UV-Lichtdistanz und UV-Expositionszeit). Dieser Ansatz kann auch in anderen photokreuzvernetzbaren Bioinks für den 3D-Druck verwendet werden, die eine Vielzahl von Vor- oder Nachdruckparametern aufweisen, die die Steifigkeit des Gerüsts beeinflussen können.
Chen et al. (Fri,) haben diese Frage untersucht.