196 Arbeiten
Die Bioengineering verbindet Ingenieurskunst mit biologischen Systemen, um Lösungen für die Medizin und Technik zu entwickeln. Von der Herstellung künstlicher Organe bis hin zu maßgeschneiderten Therapien verändert dieses Feld, wie wir Krankheiten verstehen und behandeln. Auf Gist.Science machen wir die neuesten Erkenntnisse aus diesem dynamischen Bereich für jeden zugänglich, ohne dabei die wissenschaftliche Tiefe zu vernachlässigen.
Unsere Redaktion verarbeitet jeden neuen Preprint, der auf bioRxiv in dieser Kategorie erscheint. Für jeden Beitrag erstellen wir sowohl eine verständliche Zusammenfassung für ein breites Publikum als auch einen detaillierten technischen Überblick für Fachleute. So erhalten Sie einen direkten Einblick in die Forschung, lange bevor die Studien offiziell veröffentlicht sind.
Im Folgenden finden Sie die aktuellsten Papers aus dem Bereich Bioengineering, die wir kürzlich für Sie aufbereitet haben.
Die Studie stellt einen effektorientierten, gradientenbasierten Optimierungsansatz vor, der durch die Kombination von Muskeloberflächennetzen und experimentellen Momentarm-Daten automatisierte, anatomisch realistische und biomechanisch präzise Muskelsehnenpfade für die Simulation erzeugt.
Die Studie stellt einen enzymatischen Biosensor (E-cardiac) mit hierarchischer mechanischer Anpassung vor, der durch die Minimierung von mechanisch induzierten Artefakten eine zuverlässige Echtzeit-Überwachung des oxidativen Stresses auf schlagenden Herzen ermöglicht und somit chirurgische Entscheidungen bei Ischämie-Reperfusion-Verletzungen präziser steuert.
Diese Studie stellt eine membranfreie Alveola-Chip-Plattform vor, die mittels eines biologisch abbaubaren PLGA-Gerüsts, das durch fibroblastenproduzierte extrazelluläre Matrix ersetzt wird, die interstitielle Mechanik, Immunzellmigration und die aerosolbasierte mRNA-Lieferung nachahmt und somit eine physiologisch relevantere Umgebung für die Erforschung der Lungenbiologie und der Nanomedizin bietet als herkömmliche membranbasierte Systeme.
Die Studie zeigt, dass durch die koordinierte Abstimmung eines neuartigen ionisierbaren Lipids (N4Z) und der Formulierungsparameter mRNA-Impfstoffe gezielt von der Leber zu lymphoiden Geweben umgelenkt werden können, was eine überlegene CD4+-T-Zell-Immunität und Schutzwirkung im Vergleich zu klinischen Standards ermöglicht.
Die Studie stellt eine Strategie zur kontrollierten Verknüpfung von AAV-Kapsiden mittels Oligonukleotid-Linker vor, die eine koordinierte und dosisreduzierte Lieferung großer, aufgeteilter genetischer Systeme ermöglicht und so die Effizienz von Split-Gen-Systemen sowie der Prime-Editing-Technik in vitro und im Mausgehirn signifikant steigert.
Die Autoren stellen ein integriertes Framework vor, das durch einen neuartigen stochastischen Wachstumsalgorithmus, eine inverse Designstrategie und eine hocheffiziente elektrische Netzwerkdynamik automatisierte, physiologisch relevante Mikrogefäßmodelle für die nahtlose Anwendung in Simulationen und Experimenten ermöglicht.
Das vorgestellte GLAM-Framework kombiniert hochauflösende 3D-Bildgebung mit generativer KI und Zwei-Photonen-Stereolithografie, um anatomisch detaillierte, biologisch verträgliche Lungen-Mikrogewebe sowohl für gesunde als auch für erkrankte Zustände zu entwerfen und herzustellen, wodurch eine skalierbare Plattform für präklinische Modelle und die regenerative Medizin entsteht.
Die Autoren stellen einen skalierbaren, dreischichtigen Gefäßtransplantat-Ansatz aus menschlichen induzierten pluripotenten Stammzellen vor, der durch ein mikrostrukturiertes Lumen und eine bioaktive Matrix die Scherspannung neu verteilt, um die Endothelialisierung zu beschleunigen und somit vielversprechende, mitwachsende Gefäßprothesen für pädiatrische Patienten zu schaffen.
Die Studie zeigt, dass die Kalbungsnummer (Parität) die Genauigkeit der Nahinfrarotspektroskopie zur Echtzeitüberwachung der Milchqualität beeinflusst, insbesondere bei der Laktosebestimmung, und daher bei der Implementierung nachhaltiger Milchqualitätsmonitoring-Systeme berücksichtigt werden muss.
Die Studie stellt EnhancAR vor, ein autoregressives Modell, das durch das Lernen evolutionär konservierter Informationen aus homologen Enhancer-Sequenzen eine flexible und zelltyp-label-unabhängige Generierung funktional diverser und spezifischer Enhancer ermöglicht.