Mechanical, Biochemical, and Multicellular Effects on Vessel Network Morphometrics in a Microfluidic Vasculature-on-a-Chip
Notice bibliographique
Résumé
Abstract Microvascular networks (MVNs) formed via endothelial cell self-assembly in 3D hydrogels have emerged as a widely used platform for modeling vascularized tissues and studying vascular pathophysiology. Conventional MVN systems incorporate supporting fibroblasts and may include biochemical cues such as VEGF, FGF, or S1P, as well as mechanical stimuli like luminal flow, yet the impact of these variables on MVN morphology and function remains incompletely understood. Here, we systematically investigated the effects of fibroblast concentration, fibroblast-conditioned media, angiogenic factors, and luminal flow on the morphology, perfusability, and vessel wall integrity of MVNs cultured in a microfluidic vasculature-on-a-chip. In addition to standard branch-based metrics such as vessel coverage area and diameter, we developed and applied novel void-based morphological parameters that quantify the size, shape, and distribution of vessel-free spaces to capture subtle differences across MVN culture conditions. Our results demonstrate that high fibroblast-to-endothelial cell ratios accelerate MVN formation but promote excessive vessel fusion, while MVNs cultured without fibroblasts—using only conditioned media or soluble factors—exhibited patch-like, non-physiological morphology with reduced branch formation. Direct inclusion of fibroblasts proved essential for promoting the thin, interconnected vascular structures characteristic of in vivo microvasculature and could not be substituted by soluble cues alone. Furthermore, the presence or absence of fibroblasts modulated MVN responsiveness to luminal flow. Overall, our void-based analysis method enabled more sensitive discrimination of MVN morphological features than traditional branch-based metrics and offers a reduced-data, high-content approach suitable for integration with machine learning and AI-assisted image analysis pipelines. This platform provides a new framework for optimizing MVN culture protocols and advancing vascular tissue engineering studies, particularly for the advancement of organ-on-a-chip (OOC) and microphysiological systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».