23.02.2023 by Prof. Dr. Michael Gasik (Aalto University Helsinki, Finland)
DMA om biomaterial: Att se det osynliga!
En artikel av Prof. Dr. Michael Gasik (Aalto-universitetet i Helsingfors, Finland)
Det finns idag många olika typer av biomaterial som kan användas i olika implantat, särskilt inom ortopedi och tandvård. Metallegeringar, keramer och kompositer används, både med och utan levande celler. Det finns ett växande användningsområde för olika byggnadsställningar som används inom vävnadstekniska tillämpningar för att stödja och främja bildandet av nya vävnader, och många av dessa tillverkas genom 3D-(bio)printing. Biologisk vävnadsregenerering är en av de mest krävande utmaningarna och förutsätter biomaterialstrukturer med korrekta biomekaniska egenskaper [1] som efterliknar beteendet in vivo [2]. Korrekta biomaterial hjälper kroppen att återuppbygga den skadade vävnaden och minimerar den därmed förknippade smärtan och läkningstiden [3].
I denna artikel av Prof. Dr. Michael Gasik (Aalto-universitetet, Helsingfors, Finland) beskrivs en ny tillämpning av den dynamiskt-mekaniska analystekniken (DMA), kallad BEST(Biomaterials Enhanced Simulation Testing), som används för att karakterisera och förbättra biomaterial och medicintekniska produkter; denna metod går utöver de kända klassiska viskoelastiska analyserna.
Prof. Michael Gasik från Aalto-universitetet i Finland (Institutionen för kemi- och metallurgiteknik) började arbeta med tillämpningar för termisk analys 1985 och har samarbetat med NETZSCH-Gerätebau GmbH under nästan lika lång tid.
Hans fokus har legat på material för högtemperaturtillämpningar och för vätgasteknik. Sedan 2000 har han arbetat aktivt med biomaterial, medicintekniska produkter och regenerativa medicinska tillämpningar. År 2019 utsågs han till ambassadör för European Orthopedic Research Society.
Prof. Michael Gasik är en av grundarna av Seqvera Ltd. och uppfinnare av BEST-metoden - Biomaterials Enhanced Simulation Testing - som för första gången har implementerats i NETZSCH DMA-utrustning.
En av fokuspunkterna i Prof. Michael Gasiks forskningsverksamhet är att bestämma de mekaniska egenskaperna hos biomaterial. I detta sammanhang använder han DMA-data som genererats med en NETZSCH DMA 242 Artemis som grund för ytterligare beräkningar för att karakterisera dessa material. Läs mer om hans tillvägagångssätt:
Utmaningar
Många studier har redan genomförts och kliniska data har samlats in om biomaterialens form, design och ytstatus, liksom om implantatens geometri och deras lämplighet för olika vävnaders kvalitet och placering. Betydande skillnader rapporterades också för implanterade material som till synes var identiska men som kom från olika källor [4]. Biomekanisk karakterisering av ben- och mjukvävnader är mer problematisk än för metalliska, keramiska och polymera material. Publicerade dataset är ofta inte baserade på jämförbara mätprotokoll och förhållanden, vilket leder till bristande konsekvens. Generalisering av dessa data är mycket svårt eller nästan omöjligt när det gäller att tillhandahålla enkel, robust och relevant information.
För biomekanisk karakterisering brukar man vanligtvis utgå från att ett material är en typ av elastisk eller viskoelastisk materia för att approximera egenskaperna till enskilda tal, som vanligtvis kallas "Elastisk modulDen komplexa modulen (den elastiska komponenten), lagringsmodulen eller G', är den "verkliga" delen av provets totala komplexa modul. Den elastiska komponenten indikerar den fasta responsen, eller responsen i fas, hos det prov som mäts. elasticitetsmodul". Detta passar dock endast linjärelastiska material för mycket small deformationer, och i NPL:s riktlinjer [5] anges nio metoder för beräkning av elasticitetsmodulen som kan leda till olika värden. De allra flesta biomaterial och vävnader är uppenbarligen inte elastiska, så det är en betydande förenkling att på konstgjord väg försöka reducera data till några fasta tal: Vad skulle till exempel vara fördelen med att känna till "slemhinnans Elastisk modulDen komplexa modulen (den elastiska komponenten), lagringsmodulen eller G', är den "verkliga" delen av provets totala komplexa modul. Den elastiska komponenten indikerar den fasta responsen, eller responsen i fas, hos det prov som mäts. elasticitetsmodul" som sträcker sig från 0,1 till 680 MPa från olika källor?
Tyvärr är frågor som rör tröghetseffekter (höga frekvenser) eller instrumentgränser (låga frekvenser) inte alltid tillräckligt dokumenterade i de testprotokoll som publiceras. Även om instrumenttrögheten elimineras kommer själva provet alltid att ha en ändlig tröghet, vilket kan ge upphov till artefakter från diffusion av rörelsemängdsmoment, viskoelastiska vågor och sekundära flöden - som alla kan bryta mot antagandet om homogen och linjär deformation [6]. Mer sofistikerade modeller har ett stort antal artificiella anpassningsparametrar, och det finns stora experimentella svårigheter med att utföra sådana tester inom ramen för befintliga standarder, protokoll och ad hoc-testmetoder [7].
För processer som 3D-bioprinting finns det flera utmaningar som måste övervinnas, t.ex. att kontrollera biobläckens egenskaper, hantera flödet och dess effekt på cellernas viabilitet samt säkerställa optimala biofysikaliska egenskaper hos konstruktionerna efter printning och implantation [8]. Högre upplösning och hastighet med kontroll i 3D-mikromiljön krävs, och en optimal kombination av mekaniska egenskaper och transportegenskaper måste uppnås inom rums- och tidsskalan; dessa behövs i synnerhet för diffusionsbegränsad vaskularisering. De nya förordningarna om medicintekniska produkter (2017/745) kräver att en korrekt mekanisk utvärdering genomförs, vilket leder till att förordningarna om utvärdering av hälsoteknik (2021/2282) måste följas.
Tyvärr ger många olika metoder för biofysikalisk testning ganska olika resultat, och det är inte lätt att få fram realistiska, sanna egenskaper. Det finns många orsaker till skillnaderna - ojämn kontakt, fastillstånd, tröghet och elastiska instabilitetseffekter, anpassning till felaktigt antagna modeller, begränsning i töjningsdefinitionen, brist på korrekt bedömning av belastningshistoriken etc. Det är därför mycket viktigt att ha ett robust tillvägagångssätt som kan kvantifiera både ett biomaterials beteende och dess prestanda i processen, snarare än att bara generera några specifika siffror.
BEST-konceptet
För att ta itu med dessa utmaningar har vi utvecklat den patenterade BEST-metoden(Biomaterials Enhanced Simulation Testing). Den kan tillämpas på många hårda och mjuka biomaterial, t.ex. hydrogeler, 3D-printade konstruktioner och kontrollerad läkemedelstillförsel. BEST-lösningarna är inriktade på problem som orsakas av felaktig och fragmenterad testning och bygger på ett integrerat tillvägagångssätt som baseras på en grundläggande kausalitetsprincip: "Detfanns ingen respons från provet innan stimulansen applicerades."
BEST utförs under kontrollerade förhållanden med erforderliga sammanhängande stimuli i DMA-miljön. Den bedömer förändringar i provets egenskaper i tids-, fas- och stimulusdomäner [9]. I efterbearbetningen integrerar BEST data, sammanställer provets historia och extraherar okända värden, allt utan att användaren behöver select materialmodellen (dataanalysen är i princip modellfri). Invarianta parametrar som erhålls med en egenutvecklad kvantregressionsalgoritm omfattar provets historia och visar position och riktning för utvecklingen av ett biomaterial [10].
Den viktigaste BEST-funktionen är invariant bearbetning av DMA-data, som vanligtvis förblir outforskad av användaren. Den här nya metoden övervinner vanliga begränsningar i vävnadsegenskapernas linjäritet i många modeller, nämligen en skalningsegenskap (homogenitet) och en superpositionsegenskap (additivitet), som i allmänhet inte gäller för Fourier-transformation som används i linjär viskoelasticitet.
BEST tillämpar därför ett korrekt testprotokoll och använder idempotenta metoder för att extrahera parametrar från ett enda prov/test, vilket resulterar i höga utdata utan användning av komplex matematik (inget behov av komplexa moduler) eller antagande om linjäritet, och kan även bearbeta andra reologidata på ett sådant sätt att de inte förlorar sitt värde.
Exempel på DMA-applikation
I det exempel som visas här användes den metod som beskrivs ovan baserat på mätningar som utfördes med en NETZSCH DMA 242 Artemis® för att karakterisera egenskaperna hos akrylhydrogel för 3D-bioprintning utan att använda en antagen modell. Gelen placerades i en 1-mL-spruta med en 29G-nål och sattes upp i den anpassade DMA-provhållaren som vanligtvis används för böjning; den testades i stegvis krypläge vid 25°C.
Figur 1 visar experimentdata för den gelmängd som extruderades (µL) via ett definierat nålmunstycke, normaliserat per applicerat lokalt tryck (kPa). Dessa data visar tydligt att flödeskinetiken är icke-linjär med tiden och det applicerade trycket, och det finns inget enkelt sätt att select någon materialmodell för att beskriva dessa beroenden.
Från dessa data extraherade BEST-metoden tidsinvarianta värden för gelens viskösa styvhet under dessa injektionsförhållanden samt dess minnesvärde [9,10] (fig. 2). Här är kurvorna nästan linjära och lutningen på linjerna är nästan konstant för alla applicerade tryck (siffror i kPa). Detta innebär att gelen, trots att den uppvisar ett icke-newtonskt beteende, är linjär när det gäller modellfria invarianta värden. Man kan också se att de numeriska värdena förändras med det applicerade trycket på ett icke-monotont sätt, vilket visar att det kan finnas olika begränsande fenomen som påverkar flödet. För att se effekten av flödesutvecklingen visas plottningen av minnesvärdena mot det applicerade trycket i fig. 3. Denna karta visar att gelen i sprutan utsätts för friktion, flödesmotstånd och eventuellt halkfria effekter vid låga tryck när minnesvärdena är mycket lägre än enhet. Efter ca 65 kPa - startpunkten - ökar dessa värden, vilket signalerar att gelen uppnår ett mer utvecklat flöde.
Den presenterade metoden kan fastställa invarianta värden och använda dem för modellfri förutsägelse av 3D-bioprintingprocesser, beroende på munstycke, geometri, tryck, tid och andra processförhållanden, utan att behöva fastställa de reologiska parametrarna för bläck separat. BEST-metoden genererar "förstahandsdata" för ytterligare prediktiv modellering av 3D-utskriftsprocessen och tillämpar samma filosofi för karakterisering av de 3D-utskrivna vävnaderna och konstruktionerna.
SAMMANFATTNING
Den utvecklade metoden demonstrerar förmågan att "se osynliga" egenskaper hos materialen och deras interaktioner med stimuli och miljö. På så sätt kan dynamisk-mekanisk analys (DMA) ge mycket mer information än de elastiska modulerna och förlusttangenten. Med BEST-behandling kan man få många avläsningar för olika ändamål (i vissa fall även från en enda provkropp eller ett enda test). Det är t.ex. möjligt att få fram aggregatmodul, karakteristisk Deborah-tid, krypande följsamhet, effektiv vätskediffusivitet och permeabilitet/permittivitet, ekvivalent kanalstorlek för vätskeflödet i dynamiken, materialminnesvärde, svälltryck m.m. inom ett enda experiment. Och detta gäller inte bara biomaterial, eftersom BEST-applikationen är modellfri och inte kräver några anpassningsparametrar; dessutom kan den tillämpas på testdata som redan har skapats.
Litteratur:
[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., Material 14 (2021) 2845.
[5] Lord J.D., Morrell R. Guide för god praxis för mätning nr 98; NPL Teddington, Storbritannien (2006)
[6] Ewoldt R.H., Johnston M.T., Caretta L.M. In: Komplexa vätskor i biologiska systemspringer, Tyskland (2015).
[7] Vrana N.E., Knopf-Marques H., Barthes J. (red.) Biomaterial för organ- och vävnadsregenereringwoodhead Publ. UK (2020).
[8] Jammalamadaka U., Tappa K. J. Funct. Biomater. 9 (2018) 22
[9] Gasik M., Bilotsky Y. Patent US 10379106 B2 (2019).
[10] Gasik M.Patent US 10809171 B2 (2020).
Kontakt:
Prof. Dr. Michael Gasik, Dr. Sci.
Terkko Health Hub, Building 14
Helsinki University Central Hospital Area
Haartmaninkatu 4, FIN-00290 Helsinki
www.seqvera.com
Ett stort tack till Prof. Dr. Michael Gasik för denna artikel och inblicken i hans forskningsarbete.
