Name: finite element modelling of a cellular electric microenvironment
Uploaded: 2021-05-18T12:30:00
Duration: 8 min 23 s
Description: Watch this Scientific Journal Video about Finite Element Modelling of a Cellular Electric Microenvironment at JoVE.com

Ce travail a été soutenu par le programme de doctorat de 4 ans Wellcome Trust en biologie quantitative et biophysique

Les auteurs n’ont rien à divulguer.

Le protocole proposé suggère une solution de modélisation uniforme pour les échafaudages naturels et artificiels et souligne la nécessité de prendre en compte la nanostructure des échafaudages fibreux lors de l’inspection des effets de l’EF sur les cellules ensemencées sur ces matériaux. Bien qu’une approximation grossière de l’intensité EF (différence de potentiel d’électrode divisée par la distance entre les électrodes) nous amène à nous attendre à une intensité de champ de 100 mV/mm, les simulations prédisent des intensités de champ stationnaires jusqu’à 30% plus élevées dans différentes zones du tapis(Figure 5). Ce résultat devrait être intéressant dans la conception des expériences ES et l’interprétation des données, car la mort cellulaire peut être causée par des FE trop forts. L’exposition du microenvironnement électrique permettrait une corrélation directe entre l’ES et le développement cellulaire. Bien que plusieurs études présentent une analyse morphologique détaillée des échafaudages utilisés33,43,59, elles n’étudient pas l’interaction entre la structure, les propriétés électriques des matériaux et l’EF. Ce protocole peut permettre ce lien, car des paramètres tels que le rayon de la fibre, l’épaisseur de la couche de revêtement, la distance entre les fibres et les propriétés électriques des matériaux composants peuvent être modifiés en fonction de chaque expérience en modifiant les définitions globales aux étapes 1.2 et 1.3. Par conséquent, des prévisions de charge et de densité de courant personnalisées résolues spatialement en 3D peuvent être effectuées pour les régimes ES statiques et dynamiques.
L’optimisation de la conception des échafaudages peut être ciblée à travers les modèles RNC et RNCd avec de larges explorations de plage de paramètres, en mettant à l’échelle les morphologies proposées ou des parties de celles-ci. Alternativement, d’autres configurations d’échafaudage peuvent être étudiées avec le protocole proposé en changeant les types de réseau de linéaire à tridimensionnel dans la section 1.6.5 et en adaptant la géométrie de l’échafaudage dans la section 1.6.2. Cependant, l’optimisation de l’échafaudage ne peut se faire sans objectif. Alors qu’à des fins d’ingénierie tissulaire, l’accent est mis sur le devenir cellulaire, une image plus claire des stimuli qui sont ses principaux déterminants est essentielle si son contrôle fiable est souhaité. La charge et la densité de courant sont de bons descripteurs des microenvironnements électriques cellulaires car ils montrent l’interaction entre l’EF et les propriétés électriques des différents matériaux constitutifs d’échafaudages complexes tels que l’ECM. Le protocole montre comment calculer les prédictions pour ces métriques compte tenu d’une géométrie d’échafaudage nanofibreux et souligne l’importance de l’angle d’alignement des fibres avec l’EF. Les prédictions de la charge et de la densité de courant pourraient alors être liées au développement cellulaire et ainsi les régimes d’échafaudage et d’ES pourraient alors être optimisés pour des tâches spécifiques.
Fait intéressant, une étude montre que l’exposition à l’EF a généré une contrainte mécanique plus du double de résistance dans les films composites avec des nanofibres perpendiculaires à l’EF externe par rapport aux films à alignement parallèle60. La contrainte mécanique rapportée pourrait être le résultat des forces de Coulomb agissant entre les fibres chargées, prédites par les simulations de modèles approximatifs (RC, RNC, RNCd)(Figure 6). Bien que ces simulations puissent être utiles pour étudier cette hypothèse, il convient de noter que les résultats expérimentaux rapportés ont été obtenus dans un système avec couplage capacitif, et la simulation présente un couplage direct. 
Un facteur limitant les utilisations futures possibles du protocole pour estimer un signal d’entrée cellulaire est l’incertitude des paramètres. Les paramètres géométriques incertains sont l’épaisseur de la couche de revêtement et la distance entre les noyaux de fibres. La première pourrait être déduite en trouvant la valeur qui conduit à une impédance en vrac qui peut être validée expérimentalement. Le second peut être extrait à partir de scans de matériaux haute résolution. Les paramètres décrivant les propriétés physiques des matériaux sont également affectés par l’incertitude. Cependant, la conductivité électrique et la constante diélectrique des matériaux illustrés diffèrent beaucoup plus que la précision de mesure expérimentale(tableau 2). Par conséquent, les effets déclarés seraient maintenus malgré des erreurs de mesure modérées.
Les résultats montrent qu’une complexité de modèle pas suffisante peut masquer des informations pertinentes. Il est important de reconnaître que le protocole simule une version simplifiée du phénomène physique en cours car il ne tient pas compte de la nature différente des matériaux impliqués dans le processus - conducteur (électrodes), semi-conducteur (revêtement), diélectrique (noyaux de fibres) et électrolytique (substance environnante) - qui sont capables d’influencer le transport de charge. Ce problème peut être pris en compte dans les futures expansions de modèles en ajoutant des retards de transfert d’énergie aux interfaces (c’est-à-dire des réactions faradiques) et des retards de transport d’ions dans l’électrolyte. L’ajout de complexité devrait cependant être guidé par une validation expérimentale, car un modèle simple qui reproduit la plupart de ce qui est observé est plus utile qu’un modèle remarquablement précis qui ajoute un peu plus d’informations mais qui est profondément sensible à l’incertitude de nombreux paramètres constitutifs.
Comme l’objectif final de l’ingénierie tissulaire est de créer des bioréacteurs qui non seulement imitent un ou deux aspects des environnements in vivo, mais reproduisent et contrôlent tous les indices de développement cellulaire61,les modèles électromagnétiques et mécaniques in silico ainsi que les modèles de transfert de chaleur entre les composants du bioréacteur devront être combinés. Dans une phase de modélisation ultérieure, des phénomènes de couplage entre ces interactions tels que le chauffage ohmique, l’écoulement de fluide électrolytique, les déformations morphologiques de l’échafaudage en réponse à la stimulation électrique60 et la piézoélectricité62 peuvent également être ajoutés. Cependant, les modèles ne doivent être fusionnés qu’après que chacun d’eux a été validé expérimentalement. De cette façon, nous pouvons mieux comprendre l’influence de chaque composant dans le microenvironnement cellulaire et comment les stimuli peuvent être optimisés. 
Si le modèle proposé est validé expérimentalement, il peut être combiné avec des modèles de cellules biologiques - Figure 1. Les modèles de densité de charge et les modulations pourraient influencer de manière asymétrique l’activité de pompes ioniques spécifiques, impacter l’attachement à la fibre des protéines entraînant l’adhésion de la membrane63 et donc guider la migration, les modèles de prolifération et la morphogenèse64. L’exploration de ces hypothèses est la voie à suivre pour comprendre les mécanismes qui sous-tendent les réponses des tissus et des cellules aux SE.

ES est l’utilisation des CE dans le but de contrôler les cellules et les tissus biologiques. Son mécanisme est basé sur le stimulus physique transduit à la cellule lorsque les biomolécules à l’intérieur et autour d’elle sont exposées à un gradient de tension généré de l’extérieur. Les particules chargées sont engagées dans un mouvement organisé régi par la loi de Coulomb, générant des forces de traînée sur les particules non chargées. L’écoulement du fluide et la distribution de charge qui en résultent modifient les activités et les fonctions cellulaires telles que l’adhésion, la contraction, la migration, l’orientation, la différenciation et la prolifération1 alors que la cellule tente de s’adapter au changement des conditions microenvironnementales.
Comme les FE sont contrôlables, non invasifs, non pharmacologiques et qu’il a été démontré qu’ils ont un impact efficace sur le comportement cellulaire essentiel, l’ES est un outil précieux pour l’ingénierie tissulaire et la médecine régénérative. Il a été utilisé avec succès pour guider le développement neuronal2,squelettique3,musculaire cardiaque4,os5 et peau6. De plus, comme il améliore l’ionophorèse7,il est utilisé comme traitement alternatif ou complémentaire aux traitements pharmacologiques conventionnels. Son efficacité dans la gestion de la douleur est encore débattue car des essais cliniques de meilleure qualité sont attendus8,9,10. Néanmoins, aucun effet indésirable n’a été rapporté et il a le potentiel d’améliorer le bien-être des patients11,12,13,14,15.
Alors que seuls les essais cliniques peuvent donner un verdict définitif sur l’efficacité d’une procédure, des modèles in vitro et in silico sont nécessaires pour éclairer la conception d’un traitement prévisible contre les SE, car ils offrent un contrôle plus fort sur un plus large éventail de conditions expérimentales. Les utilisations cliniques étudiées de l’ES sont la régénération osseuse16,17, la récupération des muscles dénervés18,19, la régénération axonale après la chirurgie20,21, le soulagement de la douleur22, la cicatrisation desplaies 23,24,25 et l’administration de médicaments iontophorétiques26. Pour que les dispositifs ES soient largement introduits sur toutes les applications cibles possibles, les essais cliniques n’ont pas encore établi de preuves plus solides pour un traitement efficace. Même dans les domaines où les études in vivo sur les animaux et les humains rapportent systématiquement des résultats positifs, le grand nombre de méthodes rapportées, associé à trop peu de conseils sur la façon de choisir entre elles et à un prix d’acquisition élevé, dissuade les cliniciens d’investir dans des dispositifs ES27. Pour pallier cela, le tissu cible ne peut plus être traité comme une boîte noire (limite d’expériences in vivo) mais doit être vu comme une synergie complexe de plusieurs sous-systèmes(Figure 1).
De multiples expériences ES ont été réalisées in vitro au cours des années28,29,30,31,32,33,34. La plupart d’entre eux ne caractérisent l’ES que par la chute de tension entre les électrodes divisée par la distance entre elles - une approximation approximative de l’amplitude du champ électrique. Cependant, le champ électrique lui-même n’influence que les particules chargées, pas directement les cellules. En outre, lorsque plusieurs matériaux sont interposés entre le dispositif et les cellules, l’approximation approximative peut ne pas tenir.
Une meilleure caractérisation du signal d’entrée nécessite une vision claire de la façon dont le stimulus est transduit à la cellule. Les principales méthodes d’octroi d’ES sont le couplage direct, capacitif et inductif35,36. Les dispositifs pour chaque méthode diffèrent par le type d’électrode (tige, planaire ou enroulement) et le placement par rapport au tissu cible (en contact ou isolé)35. Les dispositifs utilisés in vivo pour des traitements plus longs doivent être portables, de sorte que les électrodes et la plupart du temps la source d’énergie sont implantées ou attachées à la peau sous forme de pansements ou de patchs électroactifs. Le gradient de tension généré déplace les particules chargées dans la zone de traitement.
Comme elle a un impact sur le flux de particules chargées qui en résulte à proximité des cellules, la structure de l’échafaudage est de la plus haute importance dans la conception des protocoles ES. Différentes configurations de transport de charge se produisent si le matériau de la plate-forme, la technique de synthèse, la structure ou l’orientation par rapport au gradient de tension changent. In vivo, la disponibilité et le mouvement des particules chargées sont influencés non seulement par les cellules, mais aussi par le réseau de collagène et le liquide interstitiel composant l’ECM de soutien. Les échafaudages d’ingénierie sont de plus en plus utilisés pour mieux recréer les microenvironnements cellulaires naturels in vitro1,35. Parallèlement, l’ECM est un échafaudage naturel complexe.
Les échafaudages artificiels sont à base de métaux, de polymères conducteurs et de carbone, conçus en mettant l’accent sur l’équilibrage de la biocompatibilité avec les performances électrochimiques et la stabilité à long terme36. Un type d’échafaudage polyvalent est le tapis fibreux électrofilé qui offre une topographie contrôlable à l’échelle nanométrique. Cela peut être conçu pour ressembler à l’ECM, fournissant ainsi des signaux mécaniques similaires qui aident à la régénération d’un large éventail de tissus37. Pour avoir un impact significatif sur les SE, les tapis doivent être conducteurs dans une certaine mesure. Cependant, les polymères conducteurs sont difficiles à électrospiner et le mélange avec des supports isolants limite la conductivité des fibres résultantes38. Une solution consiste à polymériser un monomère conducteur à la surface d’une fibre diélectrique, ce qui donne une bonne résistance mécanique et des propriétés électriques du produit final38. Un exemple est le revêtement de fibres électro filées de soie avec le PEDOT-PSS39semi-conducteur . La combinaison de signaux mécaniques et électromagnétiques accélère considérablement la croissance des neurites40,41,42. Les neurites suivent l’alignement des fibres des échafaudages, et s’allongent plus après exposition à un EF parallèle aux fibres qu’à un EF vertical43. De même, l’alignement des échafaudages fibreux sur l’EF favorise également la maturation myogénique33.
L’ECM est principalement composé de protéines fibreusesformant 44,dont le collagène de type I étant le constituant majeur dans tous les tissus animaux à l’exception du cartilage (riche en collagène de type II)44. Le tropocologène (TC), triple conformation hélicoïdale des brins polypeptidiques, est le motif structurel des fibrilles de collagène45. Les images de microscopie électronique à transmission et de microscopie à force atomique de fibrilles de collagène montrent un motif à bandes D-périodique46 expliqué par le modèle Hodge & Petruska47 comme des réseaux réguliers de lacunes et de chevauchements TC45. Les tendons sont composés d’une matrice fiillaire collagène alignée protégée par une matrice protéoglycane hautement hydrophile non collagène48,49. La décorine est un petit protéoglycane riche en leucine (SLRP) capable de lier les régions d’espace des fibrilles de collagène et de se connecter à d’autres SLRP par leurs chaînes latérales de glycosaminoglycanes (GAG)49. Les études réalisées sur les tendons montrent que leurs propriétés électriques changent de manière significative lorsqu’ils sont hydratés50,51,mécanisme de transport de charge passant de protonique à ionique à mesure que le niveau d’hydratation augmente51. Cela suggère que la conduction électrique le long d’une fibrilles de collagène de type I pourrait être rendue possible par une couche décorine-eau, avec des régions d’espace et de chevauchement ayant des conductivités électriques et des constantes diélectriques différentes.
Comme la reconstitution identique de l’ECM par des échafaudages artificiels est improbable, les connaissances produisant une synergie entre in vivo et in vitro rendue possible par des résultats traduisibles semblent être dans une impasse. La modélisation in silico permet non seulement la traduction entre les deux, mais ajoute également des avantages importants dans la caractérisation des processus inconnus impliqués dans ES. La comparaison des observations in vivo avec les observations in vitro peut apporter des informations sur la force de couplage entre le tissu cible et le reste de l’organisme, mais ne révèle pas les limites actuelles des connaissances. L’inconnu peut être exposé en observant la différence entre ce qui devrait se produire en fonction des connaissances actuelles et ce qui se passe. Les expériences in silico basées sur la modélisation mathématique permettent de diviser le processus en sous-processus connus et inconnus. De cette façon, des phénomènes non pris en compte dans le modèle sont révélés lorsque les prédictions in silico sont comparées à des expériences in vitro et in vivo.
La formation et la mise à l’essai d’hypothèses concernant le ou les mécanismes sous-jacents de la façon dont les cellules et les tissus sont affectés par les champs électriques sont entravées par le grand nombre de paramètres52 qui doivent être testés séparément. Pour définir des conditions expérimentales représentatives, le processus ES doit être divisé en sous-processus(Figure 1)et les signaux d’entrée dominants affectant le comportement des cellules doivent être identifiés. Les modèles représentant les effets physiques fondamentaux de l’ES sur les cellules décrivent le domaine qui couple l’EF avec la cellule - celui des particules chargées53. Le comportement des particules à l’extérieur de la cellule dépend du microenvironnement et peut être étudié séparément de la cellule. Le signal d’entrée dominant pour la cellule est le sous-ensemble de sorties de dispositif ES qui provoque le plus grand degré de variabilité dans la réponse de la cellule. Le plus petit sous-ensemble des paramètres expérimentaux complets qui peuvent générer des variations dans tous les signaux d’entrée de cellule dominante peut être utilisé pour diminuer la dimension de l’espace des paramètres et le nombre de cas de test.
L’entrée du modèle cible biologique ES doit être un sous-ensemble des signaux de sortie produits par le dispositif ES qui sont utiles pour décrire les effets physiques des ES sur les cellules. Un bioréacteur simple avec couplage direct a la même structure que les cellules électrochimiques électrolytiques. Les modèles de ceux-ci montrent la distribution de densité de courant primaire (tenant compte de la résistance à la solution), secondaire (tenant également compte des réactions faradiques) ou tertiaire (tenant également compte de la diffusion ionique). Comme la complexité se traduit par un coût de calcul, le modèle le plus simple convient le mieux aux explorations spatiales de paramètres. Les simulations de composites fibreux motivées par les propriétés des matériaux54 se concentrent sur les propriétés des matériaux en vrac résultant d’une micro-architecture complexe, et ne peuvent donc pas décrire les effets locaux de l’exposition à l’EF. Les modèles in silico existants, motivés par l’ES, se concentrent sur l’échantillon biologique, qu’il s’agisse d’une seule cellule immergée dans un milieu homogène55,56,57,ou de tissus complexes à espace extracellulaire homogène58. La densité de charge et de courant(Figure 2)peut servir de signaux d’interface entre les modèles du dispositif ES et l’échantillon biologique, ou entre différents composants du dispositif ES. Le protocole FEM proposé utilise les équations décrites à la figure 2 et a été utilisé pour étudier comment les paramètres dépendants de l’échafaudage peuvent être utilisés pour moduler ces deux signaux, indépendamment de l’EF généré par une configuration de couplage direct. Les résultats soulignent qu’il est nécessaire de tenir compte des propriétés électriques de l’échafaudage ou de l’ECM lors de l’étude de l’impact de l’ES sur les cellules cibles.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Comsol multiphysics 5.2 AC/DC module</td>
			<td>COMSOL</td>
			<td>-</td>
			<td>FEM modelling software</td>
		</tr>
	</tbody>
</table>

finite element modelling of a cellular electric microenvironment

Des études cliniques montrent que la stimulation électrique (SE) est une thérapie potentielle pour la guérison et la régénération de divers tissus. Comprendre les mécanismes de réponse cellulaire lorsqu’ils sont exposés à des champs électriques peut donc guider l’optimisation des applications cliniques. Les expériences in vitro visent à aider à les découvrir, offrant l’avantage de plages d’entrées et de sorties plus larges qui peuvent être évaluées de manière éthique et efficace. Cependant, les progrès des expériences in vitro sont difficiles à reproduire directement en milieu clinique. Principalement, c’est parce que les dispositifs ES utilisés in vitro diffèrent considérablement de ceux adaptés à une utilisation par le patient, et le chemin des électrodes aux cellules ciblées est différent. Traduire les résultats in vitro en procédures in vivo n’est donc pas simple. Nous soulignons que la structure et les propriétés physiques du microenvironnement cellulaire jouent un rôle déterminant dans les conditions réelles des essais expérimentaux et suggérons que les mesures de la distribution de charge peuvent être utilisées pour combler le fossé entre in vitro et in vivo. Compte tenu de cela, nous montrons comment la modélisation in silico par éléments finis (FEM) peut être utilisée pour décrire le microenvironnement cellulaire et les changements générés par l’exposition au champ électrique (FE). Nous soulignons comment l’EF se couple avec une structure géométrique pour déterminer la distribution de charge. Nous montrons ensuite l’impact des entrées dépendantes du temps sur le mouvement de la charge. Enfin, nous démontrons la pertinence de notre nouvelle méthodologie de modèle in silico à l’aide de deux études de cas : (i) des échafaudages fibreux in vitro de Poly(3,4-éthylènedioxythiophène) poly(styrènesulfonate) (PEDOT-PSS) et (ii) du collagène in vivo dans la matrice extracellulaire (ECM).

Watch this Scientific Journal Video about Finite Element Modelling of a Cellular Electric Microenvironment at JoVE.com

Finite Element Modelling of a Cellular Electric Microenvironment

Cet article présente une stratégie pour construire des modèles par éléments finis de matériaux conducteurs fibreux exposés à un champ électrique (FE). Les modèles peuvent être utilisés pour estimer l’apport électrique que reçoivent les cellules ensemencées dans ces matériaux et évaluer l’impact de la modification des propriétés, de la structure ou de l’orientation des matériaux constitutifs de l’échafaudage.

Modélisation par éléments finis d’un microenvironnement électrique cellulaire

Clinical studies show electrical stimulation (ES) to be a potential therapy for the healing and regeneration of various tissues. Understanding the ...

Cette méthode permet de prédire le microenvironnement électrique d’une cellule assise sur un échafaudage de fibres, tel que la matrice extracellulaire. Deux avantages principaux découlent de la modélisation insilico. La prédiction des conditions expérimentales est en 3D, tandis que l’optimisation est rendue possible par la facilité de changement de paramètre.La stimulation électrique aide à la régénération de plusieurs tissus. Ce modèle dans des modèles insilico similaires aidera à l’optimisation des paramètres de stimulation. Pour commencer, ouvrez le logiciel COMSOL et sélectionnez le modèle vide.Dans le générateur de modèles, faites un clic droit sur les définitions globales, sélectionnez les paramètres et ajoutez des paramètres en fonction du tableau un dans le manuscrit textuel. Vous pouvez les ajouter un par un ou les charger à partir d’un fichier texte. Dans le générateur de modèles, sous Définitions globales, cliquez avec le bouton droit sur matériau et sélectionnez Matériau vierge pour ajouter des matériaux.Pour ajouter des propriétés de matériau, accédez aux paramètres du matériau nouvellement ajouté, puis développez les propriétés du matériau et sélectionnez la conductivité électrique parmi les propriétés de base. Appuyez sur le symbole plus pour ajouter une propriété. Répétez ce processus pour obtenir une permittivité relative.Remplissez les propriétés actuelles du matériau, selon le tableau deux du manuscrit textuel. Ensuite, cliquez avec le bouton gauche sur Ajouter un composant dans l’onglet Accueil et sélectionnez 3D pour ajouter un nouveau nœud de composant dans le générateur de modèles. Encore une fois, faites un clic droit sur la géométrie, cliquez avec le bouton gauche sur insérer une séquence.Double-cliquez ensuite sur le modèle complet et sélectionnez la séquence appropriée. Sous le nœud de composant actuel dans le générateur de modèles, cliquez avec le bouton droit sur Matériaux et sélectionnez le lien de matériau. Associez les matériaux pour chaque composant dans cet ordre, la substance environnante, les couches et les noyaux.Dans l’onglet Paramètres de la substance environnante, développez la liste de sélection pour choisir la sélection du média. Développez les paramètres de lien et choisissez le matériel approprié comme les supports de culture dans la liste déroulante. Pour afficher les domaines dans le bloc de média de culture, activez le bouton de transparence dans l’onglet Graphiques.Configurez les autres liens matériels de la même manière. Dans le générateur de modèles, cliquez avec le bouton gauche sur composant actuel, sélectionnez Ajouter une physique, puis développez le module AC/DC pour sélectionner le module de courant électrique et cliquez sur Ajouter au composant. Pour définir des conditions aux limites, sélectionnez la vue XY dans l’onglet Graphiques.Accédez à nouveau au constructeur de modèles, faites un clic droit sur le nœud des courants électriques et sélectionnez la masse. Ensuite, maintenez le commutateur de sélection pour la sélection de frontière actif. Cliquez avec le bouton gauche de la souris sur la face de substance environnante la plus haute parallèle au plan XZ et ajoutez la limite cinq dans la zone de sélection de la frontière.Dans le générateur de modèles, faites un clic droit sur le nœud de courant électrique et sélectionnez le terminal. Pour que la sélection de frontière soit active, cliquez avec le bouton gauche de la souris sur la face de substance environnante la plus basse parallèlement au plan XZ et ajoutez également une frontière dans la zone de sélection de frontière. Ensuite, en élargissant la sélection de bornes, sélectionnez une tension dans la liste déroulante type de borne et remplissez V zéro pour la tension.Sous Définitions globales dans le générateur de modèles, cliquez avec le bouton gauche sur paramètres et remplacez le paramètre thêta par l’angle d’orientation de la fibre souhaité pour la simulation. Développez le nœud des composants pour chaque composant dans le générateur de modèles, puis cliquez avec le bouton droit sur la géométrie et sélectionnez tout générer. Cliquez avec le bouton gauche sur le nœud racine du modèle dans le générateur de modèles et ouvrez l’onglet Ajouter une étude.Sélectionnez étude stationnaire et cliquez avec le bouton droit sur Ajouter une étude. Sous l’étude nouvellement ajoutée, cliquez avec le bouton gauche de la souris sur la première étape, développez les extensions d’étude, cochez la case d’affinement du maillage adaptatif et cliquez sur calculer pour obtenir le maillage affiné. Cliquez avec le bouton gauche sur le nœud racine du modèle dans le générateur de modèles et ouvrez l’onglet Ajouter une étude, sélectionnez Étude stationnaire et cliquez avec le bouton droit sur Ajouter une étude.Sous l’étude nouvellement ajoutée, cliquez avec le bouton gauche de la souris sur la première étape, développez la sélection du maillage et sélectionnez le maillage généré dans l’étude d’affinement du maillage adaptatif. Continuez en cliquant avec le bouton droit de la souris sur le bouton de calcul. Cliquez avec le bouton droit sur le nœud de résultats dans le générateur de modèles et sélectionnez le groupe de tracés 3D pour modifier les paramètres.Remplacez l’étiquette par densité de charge et sélectionnez l’ensemble de données d’étude paramétrique en développant le jeu de données dans la liste déroulante. Ensuite, dans la légende des couleurs, cochez les cases Afficher les légendes et Afficher les valeurs maximales et minimales. Toujours sous le nœud de résultats, cliquez avec le bouton droit sur densité chargée pour sélectionner le volume et modifiez l’onglet paramètres.Développez l’onglet de données, puis sélectionnez l’un des parents et remplissez EC. RHOQ dans la zone d’expression. Cochez la case plage de couleurs manuelle dans l’onglet Plage et définissez le minimum et le maximum sur moins 0,3 et 0,3 respectivement. Développez la coloration et le style et définissez la coloration sur la table de couleurs et la table de couleurs sur l’onde.Cochez la case légende des couleurs et la plage de couleurs des symétries. Cliquez avec le bouton droit sur volume et générateur de modèles, puis sélectionnez Filtrer. Accédez à l’onglet Paramètres et remplissez l’expression logique pour l’inclusion.Cliquez avec le bouton gauche de la souris sur le bouton du tracé pour visualiser les résultats dans la fenêtre graphique. Dans cette analyse, cinq étapes de complexité géométrique différentes qui ont influencé le résultat de la simulation sont affichées. Un maillage trop grossier peut masquer des informations pertinentes.En utilisant le raffinement adaptatif du maillage, un maillage avec des éléments plus petits est obtenu, car il est nécessaire pour des résultats précis. À différents niveaux de complexité pour le modèle mat fibreux, la force du champ électrique a été influencée par l’alignement des fibres par rapport au gradient potentiel. De plus, l’alignement de la fibre incliné vers le gradient de potentiel électrique a un impact sur la densité chargée d’espace dans les milieux de culture cellulaire environnants.Dans l’étude d’orientation des fibres d’échafaudage, les prédictions du modèle RNC de l’état de l’étude ont été illustrées lorsque les fibres étaient parallèles ou perpendiculaires au champ électrique. La densité de charge et la densité de courant ont été influencées par l’alignement des fibres d’échafaudage par rapport au champ électrique. Ce protocole peut être utilisé pour étudier l’impact des changements de paramètres sur la densité de charge autour d’un segment d’échafaudage de fibre.Il est important de se rappeler qu’en modifiant les paramètres du modèle, tels que les données ou les propriétés des matériaux, la plage de densité de charge résultante peut changer de manière significative. Pour une meilleure visualisation, la plage doit être optimisée de manière à ce qu’une variabilité maximale de la densité chargée puisse être observée.

Research

Education

JoVE Core

JoVE Journal

Physics

Bioengineering

Unit 1

Electric Charges and Fields

SCIENTISTS IN ACTION

Microfluidic Device for Recreating a Tumor Microenvironment in Vitro

Microfluidic Device for Recreating a Tumor Microenvironment in Vitro

Dispositif microfluidique pour Recréer un microenvironnement des tumeurs<em&gt; In vitro</em

We have developed a microfluidic device that mimics the delivery and systemic clearance of drugs to heterogeneous three-dimensional tumor tissues in ...

Recherche

Bio-ingénierie

Cellular Lipid Extraction for Targeted Stable Isotope Dilution Liquid Chromatography-Mass Spectrometry Analysis

L&#39;extraction des lipides cellulaires pour ciblées dilution isotopique stable analyse de spectrométrie de masse chromatographie liquide-

The metabolism of fatty acids, such as arachidonic acid (AA) and linoleic acid (LA), results in the formation of oxidized bioactive lipids, including ...

Tissue Engineering of Tumor Stromal Microenvironment with Application to Cancer Cell Invasion

Ingénierie tissulaire de la tumeur stromale Microenvironnement avec application de Cancer Cell Invasion

3D organotypic cultures of epithelial cells on a matrix embedded with mesenchymal cells are widely used to study epithelial cell differentiation and ...

A Coupled Experiment-finite Element Modeling Methodology for Assessing High Strain Rate Mechanical Response of Soft Biomaterials

Un élément de méthode de modélisation Experiment-finis Couplé pour évaluer Haute Strain Taux de réponse mécanique des biomatériaux mous

This study offers a combined experimental and finite element (FE) simulation approach for examining the mechanical behavior of soft biomaterials (e.g. ...

An Experimental and Finite Element Protocol to Investigate the Transport of Neutral and Charged Solutes across Articular Cartilage

Un expérimental et Finite Element Protocole pour Enquêter sur la transport des solutés neutres et chargés dans Cartilage Articulaire

Osteoarthritis (OA) is a debilitating disease that is associated with degeneration of articular cartilage and subchondral bone. Degeneration of articular ...

Improved 3D Hydrogel Cultures of Primary Glial Cells for In Vitro Modelling of Neuroinflammation

Improved 3D Hydrogel Cultures of Primary Glial Cells for In Vitro Modelling of Neuroinflammation

Amélioré l’Hydrogel 3D des Cultures de cellules gliales primaires pour In Vitro la modélisation du neuro-inflammation

In the central nervous system, numerous acute injuries and neurodegenerative disorders, as well as implanted devices or biomaterials engineered to enhance ...

Creating a Structurally Realistic Finite Element Geometric Model of a Cardiomyocyte to Study the Role of Cellular Architecture in Cardiomyocyte Systems Biology

Création d’un modèle géométrique structurellement réaliste par éléments finis d’un Cardiomyocyte pour étudier le rôle de l’Architecture cellulaire en biologie des systèmes Cardiomyocyte

With the advent of three-dimensional (3D) imaging technologies such as electron tomography, serial-block-face scanning electron microscopy and confocal ...

Fabrication of a Multiplexed Artificial Cellular MicroEnvironment Array

Fabrication d’un réseau multiplexé microenvironnement cellulaire artificiel

Cellular microenvironments consist of a variety of cues, such as growth factors, extracellular matrices, and intercellular interactions. These cues are ...

Calorespirometry: A Powerful, Noninvasive Approach to Investigate Cellular Energy Metabolism

Calorespirometry : Une approche puissante et non invasive pour étudier le métabolisme énergétique cellulaire

Many cell lines used in basic biological and biomedical research maintain energy homeostasis through a combination of both aerobic and anaerobic ...

Autofluorescence Imaging to Evaluate Cellular Metabolism

Imagerie par autofluorescence pour évaluer le métabolisme cellulaire

Cellular metabolism is the process by which cells generate energy, and many diseases, including cancer, are characterized by abnormal metabolism. Reduced ...