數(shù)學(xué)模型助力生物3D打印條件優(yōu)化

來源： EngineeringForLife

3D生物打印技術(shù)在再生醫(yī)學(xué)和癌癥領(lǐng)域取得了較大進步。整個打印過程中保持較高細(xì)胞活力十分重要,，因為可以直接影響到3D生物打印的準(zhǔn)確性,、實驗結(jié)果的有效性以及發(fā)現(xiàn)新的治療方法。要想得到理想結(jié)果，最重要的是優(yōu)化生物打印條件,，包括在打印過程中和打印后影響細(xì)胞活力不同變量,。目前，這些優(yōu)化主要是通過耗時耗錢的反復(fù)實驗來完成的,。

近日,，來自加拿大滑鐵盧大學(xué)的Dorsa Mohammadrezaei教授團隊進行了基于神經(jīng)網(wǎng)絡(luò)的貝葉斯優(yōu)化模型預(yù)測和優(yōu)化擠壓式生物打印中的細(xì)胞存活率的相關(guān)研究。研究成果以“Cell viability prediction and optimization in extrusion-based bioprinting via neural network-based Bayesian optimization models”為題于02月15日發(fā)表在《Biofabrication》上,。

本文要點：

（1）本文首先創(chuàng)建了生物明膠和海藻酸鹽基生物墨水的參數(shù)數(shù)據(jù)集,，并通過整合實驗室獲得和文獻中的數(shù)據(jù)，確定相應(yīng)的細(xì)胞存活率,。

（2）本文接著開發(fā)了機器學(xué)習(xí)模型,，根據(jù)不同生物打印變量預(yù)測細(xì)胞存活率。經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)回歸分析值為0.71,，分類準(zhǔn)確率為0.86,。與目前已開發(fā)模型相比，本模型性能更優(yōu)越,，具有很好的預(yù)測效果。

（3）本研究進一步介紹了一種創(chuàng)新的優(yōu)化策略,，該策略將貝葉斯優(yōu)化模型與所開發(fā)的回歸神經(jīng)網(wǎng)絡(luò)相結(jié)合,，確定所選生物打印參數(shù)的最佳組合，從而最大限度提高細(xì)胞活力,，并減少試錯實驗,。最后，通過實驗驗證發(fā)現(xiàn)該優(yōu)化模型具有優(yōu)異的性能,。

文章來源：
https://iopscience.iop.org/article/10.1088/1758-5090/ad17cf