An optimized GelMA bioink formulation for high-fidelity extrusion 3D bioprinting of dynamic tissue biomimetics
Notice bibliographique
Résumé
Extrusion 3D bioprinting allows depositing cells within hydrogels in well-defined spatial patterns, facilitating the creation of tissue biomimetics. Gelatin methacrylate (GelMA) hydrogels are biocompatible, biodegradable, and promote cell adhesion, making them a common choice to formulate bioinks for bioprinting. However, the low viscosity of GelMA-based inks makes it challenging to print complex constructs at physiological temperatures. Typically, this is overcome by using high concentrations (≥ 10%) of GelMA and rheological modifiers (≥ 1%), as well as low temperatures, which negatively impact the printing process and cell metabolism and viability. This work develops high performance GelMA bioinks using Carbopol (CBP) as a rheology modifier. Inks containing low GelMA and CBP concentrations exhibit excellent printability at physiological temperatures. Complex constructs, including hollow structures with overhangs, were 3D printed with high shape fidelity. The inks show excellent cytocompatibility toward A549 epithelial cells, HUVECs, 3T3 fibroblasts, and primary human lung fibroblasts (HLF). 3T3 fibroblasts and HLF embedded in bioprinted structures exhibited outstanding viability and proliferated over 14 days of continuous culture. As a direct application, GelMA-CBP inks were used to fabricate a stretchable lung tissue model incorporating primary human lung fibroblasts, which was used to study fibroblast-to-myofibroblast transition. This work improves key issues of GelMA bioinks by enabling extrusion 3D bioprinting using i) low GelMA concentrations, ii) low rheological modifier concentrations, and iii) physiological temperatures. Our work lays the foundation for using 3D printable GelMA materials in tissue engineering, regenerative medicine, and implantable medical device applications.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».