【摘 要】
：
构建功能化和血管化的三维组织是解决器官移植问题的主要方式,功能化和血管化的实现有利于构建体中营养物质的运输和细胞生长。三维（3D）打印技术凭借其能够精准制备复杂结构的能力和对多种材料的兼容特性,在实现体外组织的功能化、血管化方面发挥重要作用。3D打印的广泛使用推动了兼容可打印特性和生物功能支架材料的开发。水凝胶材料由于能够包容细胞生长,并具有可调控的力学性能,成为3D打印组织工程支架的首选材料。本
论文部分内容阅读
构建功能化和血管化的三维组织是解决器官移植问题的主要方式,功能化和血管化的实现有利于构建体中营养物质的运输和细胞生长。三维（3D）打印技术凭借其能够精准制备复杂结构的能力和对多种材料的兼容特性,在实现体外组织的功能化、血管化方面发挥重要作用。3D打印的广泛使用推动了兼容可打印特性和生物功能支架材料的开发。水凝胶材料由于能够包容细胞生长,并具有可调控的力学性能,成为3D打印组织工程支架的首选材料。本文采用生物3D打印技术构建了血管仿生支架,并对血管组织再生进行了验证。具体研究内容如下:（1）构建了甲基丙烯酰化明胶（GelMA）/羧甲基壳聚糖（CMCS）复合支架,对支架的机械强度、溶胀性和内部微观结构进行了测试。并通过活死染色、细胞计数试剂盒（CCK8）分析评估支架的生物相容性,通过免疫荧光染色和实时荧光定量多聚核苷酸链式反应（PCR）评估支架上骨髓间充质干细胞（BMSCs）的生长、血小板-内皮细胞粘附分子（CD31）表达和内皮分化情况。其中,GelMA/CMCS支架表现出的杨氏模量在100 k Pa内,符合人体内血管软组织的机械强度;成百倍的溶胀率体现了GelMA/CMCS复合支架强大的吸水能力;高达94μm的孔径大小以及内部互连贯通的多孔结构为营养物质的运输及传递提供便利;大量活细胞的染色及持续增长的光密度（OD）值验证了GelMA/CMCS支架的无毒性。与纯GelMA支架相比,接种BMSCs的复合GelMA/CMCS支架展现出更多的CD31表达和血管生成基因表达。此外,载细胞打印的染色结果证明了载细胞打印的可行性。（2）构建了GelMA/甲基丙烯酰化壳聚糖（CHIMA）双网络水凝胶支架,并对支架进行了核磁分析、红外分析、扫描电镜、力学性能、亲水性、溶胀性、孔隙率、降解性等测试。并通过活死染色、蛋白染色、PCR实验以及载细胞打印后细胞的行为表现评估支架的无毒性和支持血管生成的能力。与纯GelMA支架相比,GelMA/CHIMA复合支架展现出高于其20%的孔隙率、12.5%以上的孔径大小,且压缩模量约是纯GelMA支架的1.4-2.3倍。通过逐渐减小的接触角可知GelMA/CHIMA复合支架的亲水性更强;溶胀性曲线进一步说明了复合支架的吸水能力更快、更易达到溶胀;降解率曲线表明CHIMA的加入减慢了GelMA的降解速度。此外,较高的活细胞比例、较多的蛋白表达以及定量的基因表达证明了该支架良好的生物相容性和支持血管生成能力。综上所述,本文构建的GelMA/CMCS支架和GelMA/CHIMA支架具有良好的机械性能和生物兼容性,可用于血管再生研究,为3D打印体外血管支架模型提供了技术支持。
其他文献
股票价格预测是金融和计算机学科交叉领域的经典问题。由于股票市场内部机制极其复杂,市场波动性极强,准确预测股票价格被认为是最具挑战性的问题之一。深度学习技术在自然语言处理、图像识别等领域的成功应用为解决股票价格预测问题提供了一种新的思路和方法。长短期记忆（LSTM,Long Short-Term Memory）神经网络由于其具有链状、记忆、选择遗忘等的结构,在时间序列预测问题中表现出良好的性能,是目
伴随着工业化进程的快速发展,人们对居住的环境的空气质量提出了更高的要求。气体传感器作为空气质量监测系统的关键原件,其敏感材料的特性对传感器性能有决定性的影响。近年来,新兴的金属有机框架（Metal Organic Frameworks,MOFs）材料为开发高效的气体传感器提供了崭新思路。与传统金属氧化物材料相比,MOFs材料由于具有更大的孔隙率和比表面积,尤其是可调节的孔径以及可变的功能基团,为气
在数据挖掘、生物信息学和文本识别等应用中,高维数据带来了诸多挑战。如何利用特征选择技术从这些复杂的大数据中挖掘出能反映样本信息的关键特征,一直以来都是诸多领域中的关键问题。特征选择旨在筛选出包含重要信息的特征,同时剔除无关或冗余特征,最终获得一个具有最大信息量的特征子集,继而有效降低学习算法的计算成本,并提高数据的可读性和可解释性。本文针对高维数据中重要特征的筛选问题,以互信息和交互信息等信息度量
天文观测手段的进步要求能够高效地从海量数据中发现稀有天文现象。耀发（Flare）现象是一种恒星磁场能量快速释放后缓慢恢复至原有幅度的现象。当前对于耀发样本的研究多根据恒星的磁场信息及其统计特征生成的时间序列数据对耀发现象进行预测或分类。在由地基广角相机阵（Ground based Wide Angle Camera,GWAC）记录到的约791万条的星等变化时间序列数据集上,耀发现象正样本仅有几十条
关键词覆盖最优路径查询（Keyword-aware Optimal Route Query,KOR）查找满足关键词全覆盖和路径长度约束条件下,时间开销最小的路线,是旅行规划、路径导航等应用的高频查询。尽可能地缩短KOR的执行时间是KOR优化的最主要目标。现有算法的优化主要是采用高效的路径拓展剪枝策略,缩小搜索空间,降低算法复杂度,但是在查找长路径时,由于搜索深度大,搜索规模的增加依然过大。针对现有
肺癌是最常见的恶性肿瘤,其发病率和死亡率都逐年上升,并一直是影响人们正常生活和身体健康的首要危险因素之一。早期准确预测患者疾病特异性生存期对于疾病诊断、治疗计划和生存期改善极其重要。其最大意义,就是通过早期智能预测确定肺癌病人的重要预后因素,以便于合理防止过度诊断和医院资源的浪费,同时为临床医师和家人进行医学决策提供依据。近年来,随着医学设备的更新迭代以及计算机技术的快速发展,多模态、多时期的医学
在线网络中过大的数据量导致了“信息过载”问题,用户很难高效地从海量的网络数据中挑选出他们所感兴趣的内容。推荐模型作为应对信息过载问题的一种可靠且有效的手段,可以根据过往的历史行为记录,完成海量候选信息集合上的筛选任务,并针对用户的需求和兴趣进行个性化、精确化的推送。近年来,随着推荐任务场景中对关系建模的需求不断增长,利用图卷积网络搭建协同过滤推荐模型成为热点。图卷积网络是专门针对图数据而设计的一种
人工智能作为计算机学科的主流分支,在生物信息学中的应用取得卓越成效。人工智能技术不仅为生物数据建模提供新的方案,同时能够探索具有生物学价值的新发现。近期Alpha Fold完成人类蛋白质组98.5%的蛋白质结构预测,掀起深度学习助力生物信息学研究的热潮。药物研发作为生物信息学研究的重要领域,谋求利用人工智能算法指导快速且精准的药物-靶标相互作用识别。药物-靶标相互作用是指药物分子与蛋白质表层上特定
结直肠癌是世界第三大恶性肿瘤,其死亡率在所有恶性肿瘤疾病中高居第二,已严重威胁到人们的生命安全。目前,先开展新辅助放化疗方法,再进行手术切除肿瘤组织是结直肠癌推荐治疗方法之一。然而,由于患者身体状况不同,化疗将会给不同的患者带来不同的疗效。为了保证后续切除手术的顺利进行,手术前通过医学影像分析化疗效果是非常有必要的。肿瘤组织分割是整个分析工作的基础,其在临床实践中主要依靠医师手动完成。然而,医师手
构建更加精细的脑区亚区可以为揭示更全面的脑区认知、神经环路等提供更多的可能。以动物大脑为桥梁,基于影像特征进行人类大脑与猕猴大脑的跨物种比较,能为未来验证人类大脑上的发现和假设提供支持,进而发现人类大脑的工作机制和脑疾病的发展规律。猕猴上顶叶Brodmann 5区（PE区）在手臂运动的过程中负责处理深度和方向信息。有研究表明,人类大脑Brodmann 5区和猕猴大脑PE区是同源区域,从细胞构筑角度