23.02.2023 by Prof. Dr. Michael Gasik (Aalto University Helsinki, Finland)
DMA biomateriaaleista: Näkymätön!
Prof. Dr. Michael Gasik (Aalto-yliopisto, Helsinki, Suomi)
Tällä hetkellä on saatavilla monia biomateriaalityyppejä, joita voidaan käyttää erilaisissa implantteissa, erityisesti ortopedisissä ja hammaslääketieteellisissä tapauksissa. Käytetään metalliseoksia, keraameja ja komposiitteja, joko elävien solujen kanssa tai ilman niitä. Kudostekniikan sovelluksissa käytetään yhä enemmän erilaisia telineitä tukemaan ja edistämään uusien kudosten muodostumista, ja monet näistä valmistetaan 3D-(bio)tulostamalla. Biologinen kudosten uudistaminen on tunnetusti yksi vaativimmista haasteista, joka edellyttää biomateriaalirakenteita, joilla on oikeat biomekaaniset ominaisuudet [1] ja jotka jäljittelevät in vivo -käyttäytymistä [2]. Oikeat biomateriaalit auttavat elimistöä rakentamaan vaurioituneen kudoksen uudelleen ja minimoivat siihen liittyvän kivun ja paranemisaikaa [3].
Prof. Dr. Michael Gasikin (Aalto-yliopisto, Helsinki, Suomi) artikkelissa esitellään dynaamis-mekaanisen analyysitekniikan (DMA) uusi sovellus, nimeltään BEST(Biomaterials Enhanced Simulation Testing, Biomateriaalien parannettu simulointitestaus), jota käytetään biomateriaalien ja lääkinnällisten laitteiden karakterisointiin ja parantamiseen; tämä menetelmä ylittää tunnetut klassiset viskoelastiset analyysit.
Prof. Michael Gasik Aalto-yliopistosta (kemiallisen ja metallurgisen tekniikan laitos) aloitti työnsä lämpöanalyysisovellusten parissa vuonna 1985 ja on tehnyt yhteistyötä NETZSCH-Gerätebau GmbH:n kanssa lähes yhtä kauan.
Hän on keskittynyt korkeissa lämpötiloissa ja vetyteknologiassa käytettäviin materiaaleihin. Vuodesta 2000 lähtien hän on työskennellyt aktiivisesti biomateriaalien, lääkinnällisten laitteiden ja regeneratiivisen lääketieteen sovellusten parissa. Vuonna 2019 hänet nimitettiin Euroopan ortopedisen tutkimusyhdistyksen suurlähettilääksi.
Prof. Michael Gasik on Seqvera Ltd:n toinen perustaja ja BEST-menetelmän (Biomaterials Enhanced Simulation Testing) keksijä, joka on toteutettu ensimmäistä kertaa NETZSCH DMA-laitteissa.
Prof. Michael Gasikin tutkimustoiminnan yksi painopistealue on biomateriaalien mekaanisten ominaisuuksien määrittäminen. Tässä yhteydessä hän käyttää NETZSCH DMA 242 Artemis -laitteella tuotettuja DMA-tietoja pohjana näiden materiaalien karakterisointia koskeville laskelmille. Lue lisää hänen lähestymistavastaan:
Haasteet
Lukuisat tutkimukset on jo tehty ja kliinistä tietoa on kerätty biomateriaalien muodosta, muotoilusta ja pinnan kunnosta sekä implanttien geometriasta ja niiden soveltuvuudesta eri kudosten laatuun ja sijaintiin. Merkittäviä eroja raportoitiin myös implantoitujen materiaalien välillä, jotka olivat näennäisesti identtisiä mutta peräisin eri lähteistä [4]. Luun ja pehmytkudosten biomekaaninen karakterisointi on ongelmallisempaa kuin metalli-, keramiikka- ja polymeerimateriaalien. Julkaistut tietokokonaisuudet eivät useinkaan perustu vertailukelpoisiin mittausprotokolliin ja -olosuhteisiin, mikä johtaa johdonmukaisuuden puutteeseen. Näiden tietojen yleistäminen on hyvin vaikeaa tai lähes mahdotonta, kun on kyse yksinkertaisen, vankan ja merkityksellisen tiedon tuottamisesta.
Biomekaanisessa karakterisoinnissa materiaalin oletetaan yleensä olevan kimmoisa tai viskoelastinen aine, jotta ominaisuudet voidaan approksimoida yksittäisiksi luvuiksi, joita kutsutaan yleensä "kimmomoduuliksi". Tämä sopii kuitenkin vain lineaarisesti kimmoisille materiaaleille hyvin small muodonmuutosten osalta, ja NPL-ohjeissa [5] luetellaan yhdeksän kimmomoduulin laskentamenetelmää, jotka voivat johtaa erilaisiin arvoihin. Valtaosa biomateriaaleista ja kudoksista ei selvästikään ole kimmoisia, joten on huomattavaa yksinkertaistamista yrittää keinotekoisesti supistaa tiedot tiettyihin kiinteisiin lukuihin: Mitä hyötyä olisi esimerkiksi siitä, että tiedettäisiin eri lähteistä peräisin oleva "limakalvon KimmomoduuliKompleksinen moduuli (kimmokomponentti), varastointimoduuli tai G', on näytteiden "todellinen" osa kokonaiskompleksisesta moduulista. Tämä kimmokomponentti ilmaisee mitattavan näytteen kiinteän kaltaisen tai faasivasteen. kimmomoduuli", joka vaihtelee 0,1:stä 680 MPa:iin?
Valitettavasti inertiavaikutuksiin (korkeat taajuudet) tai instrumenttien rajoihin (matalat taajuudet) liittyviä kysymyksiä ei aina dokumentoida riittävästi julkaistuissa testipöytäkirjoissa. Vaikka instrumentin inertia eliminoitaisiin, näytteellä itsellään on aina rajallinen inertia, joka voi aiheuttaa artefakteja momenttidiffuusiosta, viskoelastisista aalloista ja sekundaarivirtauksista - kaikki nämä voivat rikkoa oletusta homogeenisesta ja lineaarisesta muodonmuutoksesta [6]. Kehittyneemmissä malleissa on huomattava määrä keinotekoisia sovitusparametreja, ja tällaisten testien suorittaminen nykyisten standardien, protokollien ja ad hoc -testimenetelmien puitteissa on kokeellisesti hyvin vaikeaa [7].
3D-bioprinttauksen kaltaisissa prosesseissa on ratkaistava useita haasteita, kuten bioaineksen ominaisuuksien hallinta, virtauksen ja sen vaikutuksen hallinta solujen elinkelpoisuuteen sekä rakenteiden optimaalisten biofysikaalisten ominaisuuksien varmistaminen tulostuksen ja istutuksen jälkeen [8]. Tarvitaan suurempaa resoluutiota ja nopeutta 3D-mikroympäristön hallinnan avulla, ja mekaanisten ja kuljetusominaisuuksien optimaalinen yhdistelmä on saavutettava tila- ja aikaskaalassa; näitä tarvitaan erityisesti diffuusiorajoitteisessa vaskularisaatiossa. Uudet lääkinnällisiä laitteita koskevat asetukset (2017/745) edellyttävät asianmukaista mekaanista arviointia, mikä johtaa terveysteknologian arviointia koskevien asetusten (2021/2282) noudattamiseen.
Valitettavasti monet erilaiset biofysikaaliset testausmenetelmät tuottavat varsin erilaisia tuloksia, eikä realististen, todellisten ominaisuuksien saaminen ole helppoa. Eroihin on monia syitä - epätasainen kosketus, faasitila, inertia ja elastisen epävakauden vaikutukset, sovittaminen väärin oletetuilla malleilla, rajoitukset rasituksen määrittelyssä, asianmukaisen kuormitushistorian arvioinnin puute jne. Näin ollen on erittäin tärkeää, että käytössä on vankka lähestymistapa, jolla voidaan kvantifioida sekä biomateriaalin käyttäytyminen että sen suorituskyky prosessin aikana sen sijaan, että vain tuotetaan joitakin tiettyjä lukuja.
.
BEST-käsite
Näiden haasteiden ratkaisemiseksi olemme kehittäneet patentoidun BEST-menetelmän(Biomaterials Enhanced Simulation Testing). Sitä voidaan soveltaa moniin koviin ja pehmeisiin biomateriaaleihin, kuten hydrogeeleihin, 3D-tulostettuihin konstruktioihin ja hallittuun lääkkeiden annosteluun. BEST-ratkaisut kohdistuvat ongelmiin, jotka johtuvat erityisesti virheellisestä ja hajanaisesta testauksesta, ja ne perustuvat integroituun lähestymistapaan, joka perustuu perustavanlaatuiseen kausaalisuusperiaatteeseen: "Näyte ei reagoinut ennen ärsykkeen antamista"
BEST suoritetaan valvotuissa olosuhteissa DMA-ympäristössä vaadittavien yhtenäisten ärsykkeiden avulla. Siinä arvioidaan näytteen ominaisuuksien muutoksia aika-, vaihe- ja ärsykealueilla [9]. Jälkikäsittelyssä BEST integroi datan, konvoluutioi näytteen historian ja poimii tuntemattomat arvot, ja kaikki tämä ilman, että käyttäjän tarvitsee select materiaalin mallia (data-analyysi on periaatteessa mallitonta). Patentoidulla kvanttiregressioalgoritmilla saadut muuttumattomat parametrit sisällyttävät näytteen historian, mikä osoittaa biomateriaalin kehityksen sijainnin ja suunnan [10].
Tärkein BEST-ominaisuus on DMA-datan invariantti käsittely, joka yleensä jää käyttäjältä tutkimatta. Tällä uudella menetelmällä ylitetään kudosominaisuuksien lineaarisuuden yleiset rajoitukset monissa malleissa, nimittäin skaalausominaisuus (homogeenisuus) ja superpositio-ominaisuus (additiivisuus), joita ei yleensä ole lineaarisessa viskoelastisuudessa käytetyissä Fourier-muunnoksissa.
Näin ollen BEST-ohjelmassa sovelletaan oikeaa testausprotokollaa ja käytetään idempotenttisia menetelmiä parametrien poimimiseksi yhdestä näytteestä/testistä, jolloin saadaan korkeatasoisia tulostietoja ilman monimutkaista matematiikkaa (monimutkaisia moduuleja ei tarvita) tai oletusta lineaarisuudesta, ja sillä voidaan käsitellä uudelleen myös muita reologisia tietoja siten, että niiden arvo ei heikkene.
DMA-sovellusesimerkki
Tässä esimerkissä edellä kuvattua menetelmää käytettiin NETZSCH DMA 242 Artemis® -laitteella tehtyjen mittausten perusteella akryylihydrogeelin ominaisuuksien karakterisoimiseksi 3D-bioprinttausta varten ilman oletettua mallia. Geeli laitettiin 1 ml:n ruiskuun, jossa oli 29 G:n neula, ja se asetettiin räätälöityyn DMA-näytteenpitimeen, jota käytetään yleensä taivutukseen; sitä testattiin asteittaisessa virumisessa 25 °C:ssa.
Kuvassa 1 esitetään kokeelliset tiedot määritellyn neulasuuttimen kautta puristetun geelin määrästä (µL) normalisoituna käytetyn paikallisen paineen (kPa) mukaan. Näistä tiedoista käy selvästi ilmi, että virtauskinetiikka on epälineaarinen ajan ja käytetyn paineen suhteen, eikä ole olemassa suoraviivaista tapaa kuvata näitä riippuvuuksia millään materiaalimallilla ( select ).
BEST-menetelmällä saatiin näistä tiedoista aika-invariantit arvot geelin viskoosiselle jäykkyydelle näissä injektio-olosuhteissa sekä sen muistiarvo [9,10] (kuva 2). Käyrät ovat lähes lineaarisia, ja viivojen kaltevuudet ovat lähes vakioita kaikilla käytetyillä paineilla (luvut kPa:na). Tämä tarkoittaa, että vaikka geeli käyttäytyy ei-newtonilaisesti, se on lineaarinen mallittomien muuttumattomien arvojen suhteen. Voidaan myös havaita, että numeeriset arvot muuttuvat käytetyn paineen mukana ei-monotonisesti, mikä paljastaa, että virtaukseen saattaa vaikuttaa erilaisia rajoittavia ilmiöitä. Virtauksen kehityksen vaikutuksen havaitsemiseksi kuvassa 3 esitetään muistin arvojen kuvaaja sovelletun paineen funktiona. Tämä kartta osoittaa, että ruiskussa olevaan geeliin kohdistuu kitkaa, virtausvastusta ja mahdollisesti luistamattomuusvaikutuksia alhaisilla paineilla, kun muistiarvot ovat paljon pienempiä kuin yksikkö. Noin 65 kPa:n jälkeen - eli alkamishetkellä - nämä arvot nousevat voimakkaasti, mikä on merkki siitä, että geeli saavuttaa kehittyneemmän virtauksen.
Esitetyllä menetelmällä voidaan määrittää muuttumattomat arvot ja käyttää niitä 3D-biopainatusprosessien mallittomassa ennustamisessa suuttimesta, geometriasta, paineesta, ajasta ja muista prosessin olosuhteista riippuen ilman, että musteen reologisia parametreja tarvitsee määrittää erikseen. BEST-menetelmä tuottaa "ensikäden" tietoa 3D-tulostusprosessin ennakoivaa jatkomallinnusta varten ja soveltaa samaa filosofiaa 3D-tulostettujen kudosten ja konstruktioiden karakterisointiin.
YHTEENVETO
Kehitetty lähestymistapa osoittaa kyvyn "nähdä" materiaalien näkymättömiä ominaisuuksia ja niiden vuorovaikutusta ärsykkeiden ja ympäristön kanssa. Tällä tavoin dynaamis-mekaaninen analyysi (DMA ) voi tarjota paljon enemmän tietoa kuin kimmomoduulit ja häviötangentti. BEST-käsittelyn avulla voidaan saada monia lukemia eri tarkoituksiin (joissakin tapauksissa jopa yhdestä näytteestä tai testistä). Esimerkiksi yhdestä kokeesta voidaan saada aggregaattimoduuli, ominaisdebora-aika, ryömintäkestävyys, tehollinen nesteen diffuusiokyky ja läpäisevyys/läpäisevyys, ekvivalentti kanavakoko nestevirtaukselle dynamiikassa, materiaalin muistin arvo, turvotuspaine ja paljon muuta. Tämä ei rajoitu pelkästään biomateriaaleihin, sillä BEST-sovellus on malliton eikä vaadi mitään sovitusparametreja; lisäksi sitä voidaan soveltaa myös jo luotuihin koetietoihin.
Kirjallisuus:
[1] Hubbell J.A. Nature Biotechnol. 13 (1995) 565-576.
[2] Gasik M. Sci. Techn. Adv. Mater. 18 (2017) 550-562.
[3] Chung C., Burdick J.A. Adv. Drug Delivery Rev. 60 (2008) 243-262.
[4] Gasik M., Lambert F., Bacevic M., Materials 14 (2021) 2845.
[5] Lord J.D., Morrell R. Measurement Good Practice Guide No. 98; NPL Teddington, UK (2006)
[6] Ewoldt R.H., Johnston M.T., Caretta L.M. In: Complex Fluids in Biological Systems; Springer, Saksa (2015).
[7] Vrana N.E., Knopf-Marques H., Barthes J. (Eds.) Biomaterials for Organ and Tissue Regeneration (Biomateriaalit elinten ja kudosten uusiutumiseen); Woodhead Publ. UK (2020).
[8] Jammalamadaka U., Tappa K. J. Funct. Biomater. 9 (2018) 22
[9] Gasik M., Bilotsky Y. Patentti US 10379106 B2 (2019).
[10] Gasik M.Patentti US 10809171 B2 (2020).
Yhteystiedot:
Prof. Dr. Michael Gasik, Dr. Sci.
Terkko Health Hub, Rakennus 14
Helsingin yliopistollisen keskussairaalan alue
Haartmaninkatu 4, FIN-00290 Helsinki
www.seqvera.com
Suuret kiitokset Prof. Dr. Michael Gasikille tästä artikkelista ja näkemyksistä hänen tutkimustyöhönsä.
