Multiscale computational framework for generating vascularizedbiohybrid tissue constructs

Dit artikel introduceert Lattice Sequence Vascularization (LSV), een multischaal computeraangedreven raamwerk dat hiërarchische, biomimetische vaatnetwerken genereert voor vervaardigbare biohybride weefselconstructen door biologische beperkingen en fabricagevereisten te integreren.

De kern

Stel je voor dat je een gigantische stad wilt bouwen, maar dan niet van bakstenen, maar van levend weefsel. In deze stad wonen miljarden cellen. Het grootste probleem bij het bouwen van zo'n stad is: hoe zorg je dat iedereen te eten en te drinken krijgt?

In de natuur is dit opgelost door het bloedvatenstelsel: een ingewikkeld netwerk van grote hoofdwegen (slagaders), kleinere straatjes (arteriolen) en eindeloze steegjes (haarvaten) die tot in elke hoek van het lichaam reiken. Zonder dit netwerk sterven de cellen in het midden van je constructie van honger en zuurstofgebrek, net als mensen in een stad zonder waterleidingen.

Dit artikel introduceert een nieuwe computer-methode, genaamd LSV (Lattice Sequence Vascularization), die als een slimme architect fungeert om deze bloedvatenstelsels automatisch te ontwerpen voor kunstmatige weefsels.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: De "Grote Stad" zonder wegen

Vroeger probeerden wetenschappers bloedvaten te maken door simpelweg rechte buizen in een blok weefsel te printen. Dat is alsof je alleen een hoofdweg door je stad legt. De huizen aan de rand krijgen water, maar de mensen in het centrum sterven.
Andere methoden lieten de cellen zelf de wegen bouwen (zoals een boom die takken laat groeien), maar dat werkt alleen voor heel kleine gebieden. Voor grote organen (zoals een lever of een hart) is dat te traag en te onvoorspelbaar.

2. De Oplossing: De "Divide-and-Conquer" Strategie

De auteurs van dit paper hebben een slimme truc bedacht. In plaats van te proberen het hele netwerk in één keer te tekenen (wat een nachtmerrie voor een computer is), gebruiken ze een verdelings-strategie:

• De Lijst met adressen (Het Rooster): Stel je voor dat je een heel groot rooster (een raster) over je weefsel legt. Op elk punt van dit rooster moet er op een gegeven moment een klein bloedvaatje zijn. Dit garandeert dat geen enkele cel te ver van een "waterleiding" af zit.
• Van klein naar groot (Terugwaarts denken): De computer begint bij de kleinste puntjes (de eindbestemmingen) en werkt dan terug naar de grote hoofdwegen. Het is alsof je eerst alle brieven bezorgt aan de huizen, en dan pas de postbode-route plant die alle brieven verzamelt.
• De Groeistap: De computer laat de vaten "groeien" van de grote hoofdwegen naar de kleine puntjes, maar doet dit in stappen. Eerst vullen ze de grote ruimtes, dan de kleinere, en zo verder, tot het hele rooster gevuld is.

3. De Slimme Architect: Waarom is dit beter?

Deze methode is als een super-slimme GPS voor vaten:

• Het past zich aan: Als er een obstakel is (bijvoorbeeld een holte in het weefsel of een andere orgaanstructuur), vindt de computer een weg eromheen, net zoals een navigatiesysteem dat een omweg berekent bij file.
• Het is energiezuinig: De computer zorgt ervoor dat de vaten niet langer zijn dan nodig. Het gebruikt een wiskundige regel (de wet van Murray) die in de natuur al duizenden jaren werkt: de dikte van een vat moet precies passen bij hoeveel bloed er doorheen moet stromen. Geen te dikke buizen (verspilling van ruimte) en geen te dunne (te veel weerstand).
• Het is 3D-printbaar: De ontwerpen die de computer maakt, zijn niet alleen mooi op het scherm, maar ook daadwerkelijk te printen met een 3D-printer. De vaten zijn zo ontworpen dat ze niet in elkaar lopen en dat ze stevig genoeg zijn om de druk van het vocht te weerstaan.

4. Creatieve Analogieën uit het papier

• De "Organoid Trap": Stel je voor dat je een kleine stadswijk (een organoid) bouwt die gevoelig is voor zuurstof. De software kan een speciaal "valstrik"-ontwerp maken: een net van vaten dat precies rondom deze wijk ligt, zodat deze wijk perfect wordt gevoed zonder dat de vaten er dwars doorheen gaan.
• De Lever als een Mozaïek: De lever is ingewikkeld omdat hij twee verschillende soorten bloedtoevoer heeft (arteriën en aders) die in een specifiek patroon moeten liggen. De software kan dit patroon zien als een mozaïek en precies de juiste vaten op de juiste plekken plaatsen, alsof het een legpuzzel oplost.
• De "Bottleneck" (De smalle doorgang): Soms moet een vat door een heel smal gaatje in het weefsel. De software herkent dit en zorgt dat het vat daar dunner wordt, en daarna weer dikker wordt, zodat het net een flesje is dat door een smalle hals past.

5. Waarom is dit belangrijk voor de toekomst?

Met deze software kunnen we in de toekomst:

• Grote organen printen: Denk aan een volledige lever of hart die niet afsterft in het midden.
• Medicijnen testen: We kunnen menselijke weefsels maken met echte bloedvaten om te zien hoe medicijnen werken, zonder dat we dieren hoeven te gebruiken.
• Transplantaties: Het droomt van het moment waarop we een volledig functionerend orgaan kunnen printen voor iemand die er een nodig heeft.

Kortom:
Dit paper introduceert een computerprogramma dat als een "goddelijke tuinman" fungeert. Het plant de zaden (de eindpunten van de vaten) en laat de computer automatisch de takken (de vaten) laten groeien, zodat elke cel in het kunstmatige weefsel precies de juiste hoeveelheid voeding krijgt, net zoals in een gezond menselijk lichaam. Het maakt het bouwen van levende, grote organen eindelijk haalbaar.

Technische samenvatting

Probleemstelling

Het creëren van gevasculariseerde biohybride weefselconstructen (die levende en synthetische componenten integreren) is een centrale uitdaging in de weefselengineering. Zonder een perfuseerbaar vaatnetwerk worden voedingsstoffen en zuurstof onvoldoende aangeleverd en afvalstoffen niet verwijderd, wat leidt tot hypoxie en celsterfte in dikkere weefsels. Bestaande methoden voor het genereren van vaatnetwerken hebben beperkingen:

• Microfluidica: Beperkt zich vaak tot enkele uniaxiale kanalen aan de rand, wat de grootte van het construct beperkt.
• 3D-printen (Sacrificial bioprinting): Kan netwerken maken, maar deze zijn vaak simpele arrays die niet geoptimaliseerd zijn voor efficiënte voeding van het omringende weefsel.
• Biologische zelforganisatie: Beperkt tot de capillaire schaal en mist de hiërarchische vertakking van grotere vaten.
• Bestaande algoritmen (bijv. CCO, Space Colonization): Hebben vaak moeite met niet-convexe domeinen, leiden tot onnatuurlijke hoge asymmetrie in vertakkingen, of zijn computatief zeer duur (stochastisch of iteratief met hoge kosten).

Er is een behoefte aan een computergestuurd ontwerp dat hiërarchische, biomimetische vaatnetwerken kan genereren die compatibel zijn met 3D-printbeperkingen, willekeurige geometrieën aankunnen en zorgen voor uniforme perfusie.

Methodologie: Lattice Sequence Vascularization (LSV)

De auteurs presenteren LSV, een multiscale computatiefraamwerk dat gebruikmaakt van een "divide-and-conquer" strategie. In plaats van het netwerk van bovenaf (van de hoofdvaten) of puur van onderaf (van de capillairen) te laten groeien, combineert LSV beide benaderingen via een sequentie van roosters (lattices).

Kernprincipes van het algoritme:

1. Rooster-gebaseerde groei: Het algoritme werkt door een reeks roosters met afnemende stapgrootte (verfijning). Vaten "binnenvallen" (invade) lege roosterplekken vanuit bezette buren. Dit simuleert de verspreiding van vasculatuur terwijl het rooster de uniforme expansie van het weefselvolume modelleert.
2. Hiërarchische structuur: Vaten groeien en remodeleren eerst op een gespecificeerde terminale schaal (capillaire niveau) voordat ze recursief worden onderverdeeld om de volledige hiërarchie te vormen. Dit garandeert zelfgelijkendheid (self-similarity) over lengteschalen heen.
3. Optimalisatie en Kostenfuncties: Het framework optimaliseert het netwerk op basis van verschillende kostenfuncties, zoals:
   • Minimale intravasculaire volume (maximale nuttige weefselruimte).
   • Minimale metabole kosten (Murray's wet: $C = W + m_b V$).
   • Maximale metabole efficiëntie.
   • De optimalisatie omvat zowel geometrische aanpassingen (via gradiëntafdaling) als topologische optimalisatie (bijv. herschikking van knopen).
4. Fysiologische constraints:
   • Murray's wet: De exponent $\gamma$ in de verdelingswet ($r_p^\gamma = \sum r_c^\gamma$) kan variabel worden ingesteld afhankelijk van de stroomsnelheid, wat betere biomimicry mogelijk maakt dan een vaste exponent.
   • Uniforme terminale druk: Aangenomen wordt dat alle terminale vaten onder dezelfde druk staan.
   • Viscositeit: Voor biohybride materialen (waterige media) wordt de Fåhræus-Lindqvist-effect verwaarloosd, maar er wordt rekening gehouden met een viscositeitscorrectie voor doorlatende gels (Beavers-Joseph randvoorwaarde).
5. Collision Resolution: Het systeem lost botsingen op tussen verschillende netwerken (bijv. arterieel en veneus) en binnen het mesh-bounds, zelfs in complexe, niet-convexe domeinen.

Belangrijkste Bijdragen

1. LSV Algoritme: Een nieuw algoritme met een tijdscomplexiteit van $\mathcal{O}(N \log N)$ (waarbij $N$ het aantal terminale eenheden is), wat aanzienlijk schaalbaarder is dan eerdere methoden zoals Accelerated-CCO (A-CCO) die vaak $\mathcal{O}(N^2)$ of slechter vertonen bij grote schalen.
2. Integratie van Functionele Microstructuren: Het framework kan functionele substructuren (zoals "organoid traps" of capillaire roosters) integreren zonder kortsluiting van het stroomsysteem, wat essentieel is voor complexe organen.
3. Flexibiliteit in Kosten en Constraints: Het systeem ondersteunt een breed scala aan kostenfuncties en kan fysiologische constraints (zoals variabele Murray's exponenten) dynamisch toepassen om de biomimicry te verbeteren.
4. Toepassing op Complexe Geometrieën: Het kan vaatnetwerken genereren in patiëntspecifieke, niet-convexe domeinen (zoals een menselijke lever) en ondersteunt meerdere in- en uitlaten.

Resultaten

• Schaalbaarheid: Tests tonen aan dat LSV bijna lineair schaalt met het aantal terminale knopen. Het kan gedetailleerde vaatnetwerken (tot duizenden knopen) in minuten genereren, terwijl eerdere methoden (zoals A-CCO) veel langer deden voor de fijnere vaten.
• Zelfgelijkendheid: Door het gebruik van "regrouping" (LSV-R) wordt de pathologische concentratie van terminale knopen op dezelfde diepte (zoals bij een perfecte binaire boom) voorkomen. Dit resulteert in een verdeling van knoopdieptes die consistent blijft over verschillende schalen, wat overeenkomt met biologische waarnemingen.
• Optimalisatie: Netwerken geoptimaliseerd voor metabole kosten en metabole efficiëntie vertonen zeer vergelijkbare structuren, wat bevestigt dat de onderhoudskosten van het bloedvolume de dominante factor zijn.
• Biomimicry: Toepassing van een variabele Murray's exponent ($\gamma$) die afhankelijk is van de stroomsnelheid, leidt tot snellere afname van de straal bij de inlaat (gunstig voor fabricage) en langzamere afname bij de terminalen, wat beter aansluit bij biologische waarden ($2 \leq \gamma \leq 3$).
• Case Study Lever: Het framework slaagde erin een metabolisch geoptimaliseerd vaatnetwerk te genereren voor een menselijke lever (gereconstrueerd uit scan-data), inclusief de complexe portal triad (hepatische arterie, poortader, galwegen) en de hepatische vene, met een hexagonale tiling die de lobulaire structuur nabootst.

Betekenis en Toekomstperspectief

Deze studie biedt een krachtig computergestuurd ontwerpframework dat de kloof overbrugt tussen theoretische vaatontwerp en de praktische fabricage van biohybride weefsels.

• Fabricatie: De gegenereerde netwerken zijn direct geschikt voor 3D-printen en microfabricage, met aandacht voor manufacturing constraints (zoals minimale feature size).
• Robuustheid: Door het ontwerp van fault-tolerant vaatnetwerken (met redundante paden) kunnen biohybride constructen beter bestand zijn tegen lokale schade of occlusie.
• Toepassingsgebied: Naast weefselengineering is het framework toepasbaar op soft robotics, biohybride sensoren en geavanceerde bioprocessing systemen.
• Efficiëntie: De lage computatiekosten maken het mogelijk om organ-schaal vaatnetwerken te ontwerpen, wat een belangrijke stap is naar de realisatie van functionele, grootte-geïntegreerde organen voor transplantatie of drugtesten.

Samenvattend introduceert LSV een schaalbare, robuuste en biomimetische aanpak voor het ontwerpen van vaatnetwerken die de complexiteit van natuurlijke weefsels nabootst en direct vertaalbaar is naar fabricage.