数学模型助力生物3D打印条件优化

来源： EngineeringForLife

3D生物打印技术在再生医学和癌症领域取得了较大进步。整个打印过程中保持较高细胞活力十分重要，因为可以直接影响到3D生物打印的准确性、实验结果的有效性以及发现新的治疗方法。要想得到理想结果，最重要的是优化生物打印条件，包括在打印过程中和打印后影响细胞活力不同变量。目前，这些优化主要是通过耗时耗钱的反复实验来完成的。

近日，来自加拿大滑铁卢大学的Dorsa Mohammadrezaei教授团队进行了基于神经网络的贝叶斯优化模型预测和优化挤压式生物打印中的细胞存活率的相关研究。研究成果以“Cell viability prediction and optimization in extrusion-based bioprinting via neural network-based Bayesian optimization models”为题于02月15日发表在《Biofabrication》上。

本文要点：

（1）本文首先创建了生物明胶和海藻酸盐基生物墨水的参数数据集，并通过整合实验室获得和文献中的数据，确定相应的细胞存活率。

（2）本文接着开发了机器学习模型，根据不同生物打印变量预测细胞存活率。经过训练的神经网络回归分析值为0.71，分类准确率为0.86。与目前已开发模型相比，本模型性能更优越，具有很好的预测效果。

（3）本研究进一步介绍了一种创新的优化策略，该策略将贝叶斯优化模型与所开发的回归神经网络相结合，确定所选生物打印参数的最佳组合，从而最大限度提高细胞活力，并减少试错实验。最后，通过实验验证发现该优化模型具有优异的性能。

文章来源：
https://iopscience.iop.org/article/10.1088/1758-5090/ad17cf