バイオエンジニアリングは、生物学の原理を工学の手法と組み合わせ、新しい医療技術や持続可能な素材を生み出す分野です。生命の仕組みを深く理解し、それを応用して人類が直面する課題を解決しようとする、非常にダイナミックで可能性に満ちた領域です。

Gist.Science は、この分野の最新の研究成果を、専門家のみに限定せず広く共有するために、bioRxiv から公開されるすべてのプレプリントを常時監視・処理しています。私たちは、複雑な技術的詳細を正確に伝える専門的な要約と、誰にでも理解できる平易な解説の両方を提供し、最先端の知見へのアクセスを民主化します。

以下に、bioRxiv から最新に公開されたバイオエンジニアリング関連の論文リストを掲載します。

📄 bioengineering

Bridging scale-up to transplantation: pluripotent stem cell-derived pancreatic islet encapsulation in emulsion-generated high concentration alginate beads

本研究は、エマルション生成による高濃度アルギン酸ビーズを用いて多能性幹細胞由来の膵島を封入することで、長期的なバイオリアクター培養中の凝集や機械的ストレスを効果的に防ぎつつ、1型糖尿病移植のための分化能および生体内機能性を維持する、スケーラブルなバイオ製造パイプラインを確立するものである。

Castro Rojas, A., Brassard, J., Billaud, M., Lemaire, F., Chen, R., Orimi, H. E., Tian, J. J., Paraskevas, S., Hoesli, C (…)2026-09-18
📄 bioengineering

BoneGraph: A Domain-Specialised, Self-Correcting Reasoning System for Bone Science Retrieval, Grounded Inference, and Image Mechanics

BoneGraphは、骨科学に特化したローカル展開型のシステムであり、精選された検索、物理学および知識グラフの制約に基づく自己修正型推論、そしてマルチモーダルな視覚・力学機能を統合することで、信頼できるエビデンスに基づいた科学的知識を合成する際における汎用型大規模言語モデルの限界を克服します。

Valijonov, J., Soar, P., Le Houx, J., Tozzi, G.2026-09-18
📄 bioengineering

An in vivo chemical genetic approach for targeted glycoproteome analysis in Drosophila melanogaster

本論文は、質量分析のためのバイオ直交的にタグ付けされた単糖を組み込むようにトランスジェニックショウジョウバエを設計することにより、Drosophila melanogasterの糖タンパク質プロテオームの標的化された生体内プロファイリングを可能にする化学遺伝学的プラットフォームであるFlyMOEを紹介するものである。

Schmidt, S. D., Alexandre, C., Di Vagno, L., Zhang, L., Flynn, H., Kurth, J., Murray, S., Ruiz Herrera, S., Shaw, H., Bi (…)2026-09-17
📄 bioengineering

Cell-specific heteroclinic orbits govern interaction dynamics in inertial microfluidics for circulating tumour cell separation

本研究は、サイズに基づく分離のみに依存するのではなく、細胞特異的なヘテロクリニック軌道と機械的不均一性を組み込むことが、循環腫瘍細胞の単離における白血球のキャリーオーバーを最小限に抑えるための慣性マイクロ流体デバイスの最適化において極めて重要であることを示している。

Hay, R., Ghera, C., Zhou, J., Papautsky, I., Krueger, T., Owen, B.2026-09-17
📄 bioengineering

Spatially distributed growth factor environments for evaluating hydrogel-based CD34+ cell culture conditions

本研究は、フィブリンハイドロゲル内に成長因子の空間勾配を生成するマイクロ流体培養システムを導入することで、CD34+造血幹細胞の増殖に最適な条件のリアルタイムかつハイスループットなスクリーニングを可能にし、従来の浮遊培養法に代わるより効率的な手法を提案するものである。

Murphy, A. R., Franco, R. A., Johnson, P., Cooper-White, J. J., Allenby, M. C.2026-09-17
📄 bioengineering

Ultrasound Tracking Reveals Progressive Regional Strain Differences in Human Achilles Tendons During Fatigue Loading

本研究は、ヒトのアキレス腱における局所的な歪みを定量化するための自動超音波トラッキング・アルゴリズムを検証し、疲労負荷中において最大歪みと平均縦方向歪みが、生存した腱と断裂した腱の間で異なる進行的軌跡を辿ることを明らかにしており、これは構造的な破綻が顕在化する前に、初期の生体力学的差異が生じていることを示唆している。

Nuethong, S., Baxter, J. R.2026-09-15
📄 bioengineering

Dual-Mode Bio-CM2: Multimodal Computational Miniature Mesoscope for Fluorescence and Label-Free Imaging

本論文は、共有された光学アーキテクチャを利用して、共登録された蛍光画像とラベルフリーの反射画像を同時に取得することで、多様な自由行動または頭部固定された検体における生物学的機能の包括的なマルチモーダル解析を可能にする、スケーラブルな計算型小型メゾスコープであるDual-Mode Bio-CM2を提示する。

Deng, Q., Hu, G., Rauscher, B. C., Villafuerte, M., Weinberg, B., Chen, Z., Feng, H., Devor, A., Thunemann, M., Tian, L.2026-09-14
📄 bioengineering

Phenotypic screens identify biologic regulators of nanoparticle uptake in diffuse midline glioma

患者由来のびまん性正中線グリオーマモデルを用いたプール型CRISPR-Cas9スクリーニングにより、研究者らはCTNNB1がナノ粒子の取り込みにおける主要な負の制御因子であることを特定し、その枯渇が細胞の硬さおよびエンドサイトーシス機構を変化させることを明らかにし、それによって小児脳腫瘍に対するナノ粒子送達戦略を最適化するためのバイオロジー・ファーストのアプローチを確立した。

Cheng, E. L., Pal, S., Tsai, J. W., Yampanis, C. B., Rangaswamy, S., Kenny-Serrano, J., Coppola, M., Ozdemir, M., Cai, K (…)2026-09-11
📄 bioengineering

Joint loading in the presence of torsional deformities is overestimated unless gait adaptations are considered: a predictive simulation approach

本研究は、大腿骨および脛骨のねじれ変形が存在する場合、歩行適応を組み込んだ予測シミュレーションが股関節および膝関節の負荷を正確に推定するために不可欠であることを示しており、これらの自然な運動学的調整を考慮しないことは、関節力を大幅に過大評価することにつながる。

Haralabidis, N., Passmore, E., Carty, C., De Pieri, E., Rutz, E., Modenese, L.2026-09-10
📄 bioengineering

Medicament identity rather than total loading governs the morphology of electrospun poly(vinylpyrrolidone) nanofibers for regenerative endodontics: a machine learning analysis of a failure-inclusive dataset

本研究は、再生歯内療法に用いられる電界紡糸ポリビニルピロリドンナノファイバーにおいて、失敗を含むデータセットの機械学習分析によって明らかになったように、添加された薬剤の総負荷量よりも、その薬剤の具体的な種類の方が、ファイバーの形態を予測する上で優れた指標であることを示している。

Brimo, N., UYSAL, B., SERDAROGLU, D. C.2026-09-09