將機器學(xué)習(xí)與3D生物打印相結(jié)合以快速跟蹤優(yōu)化擠出打印

來源：生物打印與再生工程

許多與生物墨水特性、打印參數(shù)和打印后固化相關(guān)的因素在打印過程的優(yōu)化中發(fā)揮著重要作用。盡管目前對可打印性的定性評估已經(jīng)進行了大量研究，但很少有關(guān)于評估可打印性的定量方法的研究。來自澳大利亞University of Wollongong和Deakin University的團隊在Applied Materials Today雜志上發(fā)表題為“Coupling machine learning with 3D bioprinting to fast track optimisation of extrusion printing”的文章，該研究探索了機器學(xué)習(xí)作為一種新穎的工具來定量評估可打印性并快速跟蹤優(yōu)化擠出打印以實現(xiàn)可重復(fù)的3D支架構(gòu)建的方法。

背景介紹
生物墨水是生物打印過程的基本組成部分，可作為細胞和生長因子的傳遞介質(zhì)，是打印后細胞粘附、增殖和茁壯成長的支持材料。在保持細胞相容性的同時，理想的生物墨水應(yīng)具備兩個關(guān)鍵的物理特性：“可打印性”以形成完整的 3D 結(jié)構(gòu)，以及“機械穩(wěn)定性”以實現(xiàn)打印結(jié)構(gòu)的良好形狀保真度。因此，通過 3D 打印生物墨水在其擠出過程中應(yīng)優(yōu)選采用具有合理可打印性的流體性質(zhì)。與物理化學(xué)性質(zhì)、打印參數(shù)和打印后固化相關(guān)的眾多因素在任何生物墨水的可打印性優(yōu)化中都發(fā)揮著重要作用（圖 1）。生物墨水的流變學(xué)主要取決于其粘彈性和剪切行為，而后者又極大地依賴于墨水的濃度配方。此外，生物墨水的可擠出性和擠出均勻性也有助于可打印性。除了生物墨水的物理特性外，3D 打印機的溫度噴嘴直徑、噴嘴類型、打印頭速度和平臺溫度都可以提高可打印性。

微調(diào)如此眾多的變量以完成可重復(fù)打印的 3D 支架是一個枯燥乏味且耗時的過程，當(dāng)前研究人員主要依靠反復(fù)試驗來實現(xiàn)。因此，越來越需要一種快速的方法來評估和優(yōu)化生物墨水的可打印性�，F(xiàn)代機器學(xué)習(xí)方法為這一問題提供了思路，可以用最少的實驗數(shù)據(jù)對黑盒函數(shù)進行建模，因而這種方法越來越多地應(yīng)用于新材料和工藝的有效設(shè)計。

本研究提出了一種基于貝葉斯優(yōu)化 (BO) 的機器學(xué)習(xí)方法，以實現(xiàn)以最少的實驗找到最佳參數(shù)的目標。這種耦合貝葉斯優(yōu)化可加速用于擠出打印的生物墨水的可打印性優(yōu)化。本文選擇一系列濃度的甲基丙烯酰明膠 (GelMA) 和 GelMA/甲基丙烯酰透明質(zhì)酸(HAMA) 作為優(yōu)化的示例。

圖1 生物墨水的物理化學(xué)特性、打印參數(shù)和打印后穩(wěn)定性在實現(xiàn)良好的3D打印結(jié)構(gòu)方面起著重要作用

材料和方法
1.材料
材料方面，研究者使用 EnvisionTEC 3D Bioplotter (GmbH Germany) 進行擠出打印制造了具有 500 μm 寬度股線和 130 μm 拼接的晶格結(jié)構(gòu)（10 × 10 × 2.5 mm）。研究所使用的生物墨水配比分別為：10%(w/v) GelMA、7.5% (w/v) GelMA 和 5% (w/v) GelMA；10:2% (w/v) GelMA/HAMA，7.5:2 % (w/v) GelMA/HAMA 和 5:2% (w/v) GelMA/HAMA，涵蓋了從低、中到高的廣泛粘度范圍。每層沉積后，20 秒的紫外線照射用于交聯(lián)生物墨水。

2.算法
算法方面，研究者構(gòu)建了基于貝葉斯優(yōu)化器的“黑盒系統(tǒng)”框架研究了生物墨水儲存溫度、壓力、打印頭速度和平臺溫度一系列參數(shù)對可打印性的影響。實驗結(jié)果會反饋給實驗者，實驗者然后使用推薦的設(shè)置進行打印機測試并對性能進行評分，然后將這些結(jié)果反饋到優(yōu)化器中，反復(fù)迭代直到達到最佳打印效果。

圖2 貝葉斯優(yōu)化框架

該框架首先為貝葉斯優(yōu)化器提供一組隨機的可變生物墨水組合配比和打印機設(shè)置（生物墨水儲存溫度、壓力、打印頭速度和平臺溫度），以及基于長絲形成和層堆疊性能的相關(guān)打印分數(shù)。該系統(tǒng)是一個包含輸入變量和輸出打印分數(shù)之間的許多復(fù)雜關(guān)系的一個黑盒系統(tǒng)。為了克服這個問題并實現(xiàn)搜索目標，研究者基于貝葉斯優(yōu)化器使用過去的實驗數(shù)據(jù)來構(gòu)建通過高斯過程建模的黑盒系統(tǒng)的概率估計。模型的平均值和協(xié)方差被用來構(gòu)建一個采集函數(shù)，該函數(shù)被優(yōu)化以推薦下一個要測試的打印機設(shè)置。這個推薦的打印機設(shè)置被定義為貝葉斯優(yōu)化器期望找到最佳打印分數(shù)的概率最高的位置。優(yōu)化器提供的實驗建議在每次迭代中分批提供給實驗者，以允許實驗者一次性進行多個實驗并對其進行評分。

表1 貝葉斯優(yōu)化器的參數(shù)搜索空間

為評估打印效果，研究者為擠出過程中的長絲形態(tài)和層堆疊上的孔結(jié)構(gòu)引入了評分系統(tǒng)，以定量評估可打印性。如圖3A所示，針尖處的生物墨水狀態(tài)將表現(xiàn)出三種明顯的變化，包括形成 i) 液滴，ii) 連續(xù)細絲或 iii) 由于過度凝膠化而形成的不規(guī)則形狀。噴嘴尖端懸掛的均勻細絲的評分為“0”，因此被認為是 GelMA 和 GelMA/HAMA 混合物的可打印性的良好衡量標準。此外，研究者定義了評價制造3D 結(jié)構(gòu)能力（形狀保真度）的指標。具有清晰孔結(jié)構(gòu)的晶格與擠出細絲的性質(zhì)高度相關(guān)，擠出過程中的液滴形成將導(dǎo)致具有小圓孔的 3D 構(gòu)建體，而過度凝膠化的生物墨水將產(chǎn)生具有不規(guī)則形狀孔的構(gòu)建體，如圖3B 所示。因此，處于適當(dāng)凝膠狀態(tài)的生物墨水將形成一個標準晶格包含不同的方形孔，形狀保真度得到提高，得分為“0”。

圖3 通過兩個基本標準評估生物墨水的可印刷性：

從針尖擠出過程中的打印細絲形態(tài)和層堆疊上的孔結(jié)構(gòu)
A) 絲形態(tài)的示意圖和實時圖像；
B) 10×10 mm 晶格結(jié)構(gòu)層堆疊上孔隙結(jié)構(gòu)的示意圖和實時圖像

3.結(jié)果與討論
包括實驗結(jié)果在內(nèi)的打印參數(shù)范圍的變化如圖 4和圖 5 所示。通過計算長絲形成分數(shù)和層堆疊分數(shù)的兩個值獲得總打印分數(shù)�！�0”的總打印分數(shù)證明了 GelMA 和 GelMA/HAMA 混合物的最佳打印條件（圖4和5中的黃點）。研究者發(fā)現(xiàn)22°C、20°C 和 18°C 的溫度下生物墨水分別實現(xiàn)了10%、7.5% 和 5% (w/v) GelMA 的理想細絲形成。而 25°C 的輕微升高的溫度可以實現(xiàn)所有三種GelMA/HAMA 濃度的細絲形態(tài)評分為“0”。陰影區(qū)域表示每個打印參數(shù)的范圍，黑色線段表示每個批次。在 6000 到 10,000 個可能的打印設(shè)置的空間中，貝葉斯優(yōu)化算法能夠在 10%、7.5% 和 5% (w/v) GelMA 的第19、4 和 47 次實驗和10%、7.5% 和 5% (w/v) GelMA/2% (w/v) HAMA混合墨水的第32、25 和 32 次實驗中發(fā)現(xiàn)最佳打印機設(shè)置。

圖4 結(jié)果為 5%。7.5% & 10% (w/v) GelMA 實驗

批次之間用黑色垂直線段；
圓圈表示給定實驗的分數(shù)（紅色 = 打印效果更好）；
陰影區(qū)域是給定打印參數(shù)的范圍；
黃點表示最佳打印

圖5 結(jié)果為 5%。7.5% & 10% (w/v) GelMA：2% (w/v) HAMA 實驗

批次之間的黑色垂直線段；
圓圈表示給定實驗的分數(shù)（紅色 = 打印效果更好）；
陰影區(qū)域是給定打印參數(shù)的范圍；
黃點表示最佳打印
結(jié)論
該研究展示了耦合機器學(xué)習(xí)以優(yōu)化GelMA 和 GelMA/HAMA 生物墨水?dāng)D出打印的可打印性的前景，以實現(xiàn)具有良好形狀保真度的可重復(fù) 3D 打印。該研究結(jié)果展示了一種新穎的定量方法來優(yōu)化 GelMA 和 GelMA/HAMA 生物墨水的擠出可打印性。這種貝葉斯優(yōu)化技術(shù)可以很容易地應(yīng)用于其他類型（生物）墨水系統(tǒng)的可打印性優(yōu)化，其中采用了基于擠出的模式。此外，很明顯，與繁瑣且耗時的傳統(tǒng)試錯優(yōu)化相比，該方法能夠成功地加速擠壓生物打印實驗過程。這項研究揭示了機器學(xué)習(xí)在這個快速發(fā)展的 3D 生物打印領(lǐng)域的廣闊的應(yīng)用前景。

參考文獻
Ruberu K , Senadeera M , Rana S , et al. Coupling machine learning with 3D bioprinting to fast track optimisation of extrusion printing[J]. Applied Materials Today, 2021, 22:100914.

https://doi.org/10.1016/j.apmt.2020.100914