每次放一个细胞,打印心脏或上千年,斯坦福大学如何加快3D打印心脏?

使用先进的 3D 打印技术,斯坦福大学研究者将由活细胞制成的糊状物转化为心脏和其他器官。

心脏是人体最神奇的器官,它的腔室能长期均匀地泵动,材料柔韧,可按需收缩。这是一个结构奇迹 —— 然而,当心脏出现问题时,其固有的复杂性使其成为修复的真正挑战。因此,成千上万的先天性心脏病年轻患者必须终生应对这种疾病。

斯坦福大学生物工程助理教授 Mark Skylar-Scott 表示「小儿心脏病是美国最常见的先天性疾病之一。这给患者家庭带来巨大的困难。一些方法能够通过手术延长儿童的生命,但这些孩子仍然会受到活动限制,过着充满不确定性的生活。只有以某种方式替换受损或畸形的组织,才能获得真正治愈的解决方案。」

图片

斯坦福大学生物工程助理教授 Mark Skylar-Scott

这正是 Skylar-Scott 的研究内容,他正在研究通过在实验室中构建工程心脏组织来治疗先天性心脏病的新方法。Skylar-Scott 指出,这不仅仅是在培养皿中培养细胞。大多数现有技术将心脏细胞或干细胞植入临时「支架」:一种多孔的海绵状物质,可以将细胞固定在三个维度内。尽管这种方法可以让研究人员在实验室培养组织,但这种方法只适用于极薄的细胞层。

「如果你的支架只有几个细胞厚,你就可以把细胞放在正确的位置。但是,如果你尝试培养一厘米厚的东西,则很难在正确的位置培养细胞,使其可以生长组织,这样一来就很难让细胞保持活力。」Skylar-Scott 补充说,人体器官也不是单一的细胞球,每个器官都由多种细胞类型的复杂层组成,产生的 3D 结构难以复制。

打印类器官

为了解决器官生长问题,Skylar-Scott 团队使用先进的 3D 打印技术,他们一次制造一层厚组织,并将所需细胞放置在正确位置。Skylar-Scott 指出,这种构造方法非常适合复制心脏等复杂组织,其中 3D 形式非常重要。

尽管前景广阔,但细胞 3D 打印也带来了一些深刻而棘手的挑战。与消费类 3D 打印机可以加热并挤压无数形状的材料不同,细胞是有生命的,且非常脆弱。

Skylar-Scott 表示「如果你尝试一次只放置一个细胞,打印肝脏或心脏可能需要数百年或数千年的时间。即使你每秒放置 1000 个细胞,你仍然需要放置数十亿个细胞才能得到一个器官。」

相反,Skylar-Scott 团队正在通过放置称为「类器官」的密集细胞团块来加快打印过程。该小组通过将转基因干细胞放入离心机中产生团块,从而产生糊状物质。使用这种混合物,他们能够同时将大量细胞打印成凝胶状 3D 结构。通过打印这些类器官来实现器官的大规模结构。

图片

细胞编程

然而,将干细胞放在正确的位置只是第一步。一旦它们被打印出来,研究人员必须以某种方式使它们分化成更特定的细胞类型,形成一个类似于健康器官组织的多层工作细胞群簇。为了做到这一点,Skylar-Scott 将干细胞浸泡在化学混合物中。

每一种干细胞都经过基因工程改造,可以对特定药物产生反应,一旦它们感觉到这种药物,这些干细胞就会分化成特定的细胞类型。一些细胞被编程成为心肌细胞,即形成心脏核心功能组织的心脏细胞。其他则编程成为基质细胞,将组织粘合在一起。

Skylar-Scott 在一个智能手机大小的生物反应器中测试打印出来的组织,这有助于保持打印细胞存活。研究团队在生物反应器中培育出了一个类似器官结构:一个大约 2 英寸长、直径半厘米的管子,就像人体内的静脉一样,这种微型装置可以自行泵送、收缩和扩张以使液体通过自身。

图片

扩展

Skylar-Scott 很快意识到应该打印一个更大的结构,比如可移植到现有心脏上的功能性腔室,但仍然有很长的路要走。这种设想意味需要比实验性静脉泵的大小增加 16 倍。为了生产出更接近那个大小的东西,一个全新的器官,实验室需要极大地扩大细胞生产。

Skylar-Scott 说:「扩大人造心脏的规模只需要建造一台更大的打印机,其中的关键仍是细胞本身。」

「现在,需要一个月的时间才能培养出足够的细胞来打印一些微小的东西,但成本也非常昂贵,每次测试都需要数万美元。我们需要想办法改造细胞,使它们更健壮,生长成本更低。一旦新细胞的管道到位,我认为我们将开始看到一些令人难以置信的进展。」Skylar-Scott 表示。

原文链接:https://news.stanford.edu/2022/03/14/building-heart-one-layer-time/

相关资讯

未来集成到AI中?以78%准确率识别声音,「生物计算机」将实验室培养的脑组织与电子硬件融合

大脑类器官的一部分,其中干细胞(粉色)正在分化为神经元(紫色)。(来源:Steve Gschmeissner/Science Photo Library)编辑 | X类脑计算硬件旨在模拟大脑的结构和工作原理,可用于解决当前 AI 技术的局限性。然而,以大脑为灵感的硅芯片在完全模拟大脑功能方面的能力仍然有限,因为大多数例子都是基于数字电子原理构建的。近日,来自美国印第安纳大学伯明顿分校(Indiana University Bloomington)的研究团队构建了一种「混合生物计算机」,将实验室培养的人脑组织与传统电

Science 发文,高通量蛋白质组学和人工智能的革命

编译 | 紫罗最近,研究人员能够从少量血液样本中测量数千种血浆蛋白,这为广泛的数据提供了新的维度,可以增进我们对人类健康的了解。例如,SomaLogic 公司已经开发出测量 10,000 多种蛋白质的方法,而赛默飞世尔的 Olink 检测方法可以从少至 2 μl 的样本中检测 5400 多种蛋白质。当这些丰富的数据与来自大型患者群体的其他信息层(例如英国生物库从 50 万名参与者那里获得的基因、健康和生活方式信息)相结合时,我们就会对疾病的根源、衰老过程以及预测个人健康轨迹的潜在能力产生新的见解。十多年来,科学家已

计算生物学家​Anne Carpenter谈:机器学习将高维的生物学问题简化

编译/凯霞今天,生物医学研究人员可以通过使用机器学习进行基于图像的分析,有效地对显微镜图像中的数千个细胞进行分类。计算生物学家 Anne Carpenter 是开发这些自动化工具的先驱。你不能通过封面来判断一本书,也就是,你不能以貌取人,至少我们是这么了解人的。然而,对于细胞来说,令人惊讶的是,事实并非如此。使用类似于计算机识别面部的机器学习方法,生物学家可以表征显微图像堆栈中的单个细胞。通过测量数以千计的可视化细胞特性——标记蛋白的分布、细胞核的形状、线粒体的数量——计算机可以从细胞图像中挖掘出识别细胞类型和疾病