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

Diese Arbeit wurde durch das 4-jährige Wellcome Trust PhD-Programm in quantitativer und biophysikalischer Biologie unterstützt.

Die Autoren haben nichts preiszugeben.

Das vorgeschlagene Protokoll schlägt eine einheitliche Modellierungslösung für natürliche und künstliche Gerüste vor und unterstreicht die Notwendigkeit, die Nanostruktur von faserigen Gerüsten zu berücksichtigen, wenn die Auswirkungen von EF auf Zellen untersucht werden, die auf solche Materialien gesät werden. Obwohl eine grobe Annäherung an die EF-Intensität (Elektrodenpotentialdifferenz dividiert durch den Abstand zwischen den Elektroden) eine Feldstärke von 100 mV/mm erwarten würde, sagen Simulationen stationäre Feldstärken in verschiedenen Bereichen der Matte bis zu 30% höher voraus (Abbildung 5). Dieses Ergebnis sollte für das Design und die Dateninterpretation von ES-Experimenten von Interesse sein, da der Zelltod durch zu starke EFs verursacht werden kann. Die Freizulegende elektrische Mikroumgebung würde eine direkte Korrelation zwischen ES und zellulärer Entwicklung ermöglichen. Während mehrere Studien eine detaillierte morphologische Analyse der verwendeten Gerüste33,43,59präsentieren, untersuchen sie nicht das Zusammenspiel zwischen der Struktur, den elektrischen Eigenschaften der Materialien und dem EF. Dieses Protokoll kann diese Verbindung ermöglichen, da Parameter wie Faserradius, Schichtdicke, Abstand zwischen Fasern und elektrische Eigenschaften der Komponentenmaterialien entsprechend jedem Experiment geändert werden können, indem die globalen Definitionen in den Schritten 1.2 und 1.3 geändert werden. Daher können kundenspezifische 3D-Ortsauflöserladungs- und Stromdichtevorhersagen sowohl für statische als auch für dynamische ES-Regime erstellt werden.
Die Optimierung des Gerüstdesigns kann durch die RNC- und RNCd-Modelle mit weiten Parameterbereichsuntersuchungen angestrebt werden, wobei die vorgeschlagenen Morphologien oder Teile davon skaliert werden. Alternativ können andere Gerüstkonfigurationen mit dem vorgeschlagenen Protokoll untersucht werden, indem die Array-Typen in Abschnitt 1.6.5 von linear auf dreidimensional geändert und in Abschnitt 1.6.2 die Gerüstgeometrie angepasst wird. Die Gerüstoptimierung kann jedoch nicht ohne ein Ziel durchgeführt werden. Während für Tissue Engineering-Zwecke das Zellschicksal im Vordergrund steht, ist ein klareres Bild darüber, welche Reize seine Hauptdeterminanten sind, unerlässlich, wenn eine zuverlässige Kontrolle gewünscht wird. Ladungs- und Stromdichte sind gute Deskriptoren zellulärer elektrischer Mikroumgebungen, da sie das Zusammenspiel zwischen dem EF und den elektrischen Eigenschaften der verschiedenen Komponentenmaterialien komplexer Gerüste wie ECM zeigen. Das Protokoll zeigt, wie Vorhersagen für diese Metriken bei einer nanofibrous Gerüstgeometrie berechnet werden können, und hebt die Bedeutung des Ausrichtungswinkels der Fasern mit dem EF hervor. Vorhersagen von Ladung und Stromdichte könnten dann mit der Zellentwicklung verknüpft und so Gerüst- und ES-Regime für bestimmte Aufgaben optimiert werden.
Interessanterweise zeigt eine Studie, dass die EF-Exposition bei Verbundfolien mit Nanofasern senkrecht zum externen EF im Vergleich zu Filmen mit paralleler Ausrichtung 60 eine mechanische Spannung erzeugte, die mehr als doppelt so stark war wiedie Festigkeit. Die berichtete mechanische Spannung könnte ein Ergebnis von Coulomb-Kräften sein, die zwischen geladenen Fasern wirken, vorhergesagt durch die groben Modellsimulationen (RC, RNC, RNCd) (Abbildung 6). Während diese Simulationen bei der Untersuchung dieser Hypothese nützlich sein könnten, muss beachtet werden, dass die berichteten experimentellen Ergebnisse in einem System mit kapazitiver Kopplung erhalten wurden und die Simulation eine direkte Kopplung darstellt. 
Ein limitierender Faktor für zukünftige mögliche Verwendungen des Protokolls zur Schätzung eines zellulären Eingangssignals ist die Parameterunsicherheit. Geometrisch unsichere Parameter sind die Schichtdicke und der Abstand zwischen den Faserkernen. Die erste könnte abgeleitet werden, indem der Wert gefunden wird, der zu einer Massenimpedanz führt, die experimentell validiert werden kann. Der zweite kann aus hochauflösenden Materialscans extrahiert werden. Parameter, die die physikalischen Eigenschaften der Materialien beschreiben, werden ebenfalls von Unsicherheiten beeinflusst. Die elektrische Leitfähigkeit und Dielektrizitätskonstante von beispielhaften Materialien unterscheiden sich jedoch weit mehr als die experimentelle Messgenauigkeit (Tabelle 2). Daher würden die berichteten Effekte trotz moderater Messfehler beibehalten.
Die Ergebnisse zeigen, wie bei zu wenig Modellkomplexität relevante Informationen versteckt werden können. Es ist wichtig anzuerkennen, dass das Protokoll eine vereinfachte Version des physikalischen Phänomens simuliert, da es die unterschiedliche Art der am Prozess beteiligten Materialien - Leiter (Elektroden), Halbleiter (Beschichtung), Dielektrikum (Faserkerne) und Elektrolyt (umgebende Substanz) - nicht berücksichtigt, die den Ladungstransport beeinflussen können. Dieses Problem kann in zukünftigen Modellerweiterungen berücksichtigt werden, indem Energieübertragungsverzögerungen an den Grenzflächen (d. H. Faradische Reaktionen) und Ionentransportverzögerungen innerhalb des Elektrolyten hinzugefügt werden. Das Hinzufügen von Komplexität sollte jedoch durch experimentelle Validierung geleitet werden, da ein einfaches Modell, das das meiste von dem, was beobachtet wird, reproduziert, nützlicher ist als ein bemerkenswert genaues Modell, das wenig mehr Informationen hinzufügt, aber sehr empfindlich auf die Unsicherheit vieler konstituierender Parameter reagiert.
Da das Endziel des Tissue Engineering darin besteht, Bioreaktoren zu entwickeln, die nicht nur einen oder zwei Aspekte von In-vivo-Umgebungen nachahmen, sondern alle zellulären Entwicklungshinweise replizieren und kontrollieren61,müssen elektromagnetische und mechanische In-silico-Modelle sowie Modelle der Wärmeübertragung zwischen Bioreaktorkomponenten kombiniert werden. In einer anschließenden Modellierungsphase können auch Kopplungsphänomene zwischen diesen Wechselwirkungen wie ohmsche Erwärmung, elektrolytische Flüssigkeitsströmung, morphologische Gerüstverformungen als Reaktion auf elektrische Stimulation60 und Piezoelektrizität62 hinzugefügt werden. Modelle sollten jedoch erst zusammengeführt werden, nachdem jedes Modell experimentell validiert wurde. Auf diese Weise können wir den Einfluss jeder Komponente in der zellulären Mikroumgebung besser verstehen und wie Reize optimiert werden können. 
Wenn das vorgeschlagene Modell experimentell validiert ist, kann es mit Modellen biologischer Zellen kombiniert werden - Abbildung 1. Ladungsdichtemuster und Modulationen könnten die Aktivität bestimmter Ionenpumpen asymmetrisch beeinflussen, die Bindung an die Faser von Proteinen beeinflussen, die die Membranadhäsion63 antreiben und somit Migration, Proliferationsmuster und Morphogenese steuern64. Die Erforschung dieser Hypothesen ist der Weg nach vorn, um die Mechanismen zu verstehen, die den Reaktionen von Gewebe und Zellen auf ES zugrunde liegen.

ES ist die Verwendung von EFs mit dem Ziel, biologische Zellen und Gewebe zu kontrollieren. Sein Mechanismus basiert auf dem physikalischen Reiz, der an die Zelle weitergegeben wird, wenn die Biomoleküle in und um sie herum einem extern erzeugten Spannungsgradienten ausgesetzt sind. Geladene Teilchen sind in einer organisierten Bewegung nach dem Coulomb-Gesetz beteiligt und erzeugen Schleppkräfte auf die ungeladenen Teilchen. Der resultierende Flüssigkeitsfluss und die Ladungsverteilung verändern Zellaktivitäten und -funktionen wie Adhäsion, Kontraktion, Migration, Orientierung, Differenzierung und Proliferation1, während die Zelle versucht, sich an die Veränderung der Mikroumgebungsbedingungen anzupassen.
Da EFs kontrollierbar, nicht-invasiv, nicht pharmakologisch sind und nachweislich einen wirksamen Einfluss auf das essentielle Zellverhalten haben, ist ES ein wertvolles Werkzeug für das Tissue Engineering und die regenerative Medizin. Es wurde erfolgreich verwendet, um neuronale2, Skelett3, Herzmuskel4, Knochen5 und Haut6 Entwicklung zu steuern. Darüber hinaus wird es, da es die Iontophorese7verstärkt, als alternative oder ergänzende Behandlung zu herkömmlichen pharmakologischen Behandlungen eingesetzt. Seine Effizienz bei der Schmerzbehandlung wird immer noch diskutiert, da qualitativ hochwertigere klinische Studien erwartet werden8,9,10. Dennoch wurden keine Nebenwirkungen berichtet und es hat das Potenzial, das Wohlergehen der Patienten zu verbessern11,12,13,14,15.
Während nur klinische Studien ein endgültiges Urteil über die Wirksamkeit eines Verfahrens abgeben können, sind In-vitro- und In-silico-Modelle erforderlich, um das Design einer vorhersagbaren ES-Behandlung zu beeinflussen, da sie eine stärkere Kontrolle über ein breiteres Spektrum von experimentellen Bedingungen bieten. Die untersuchten klinischen Anwendungen von ES sind Knochenregeneration16,17, Wiederherstellung der denervated Muskeln18,19, axonale Regeneration nach der Operation20,21, Schmerzlinderung22, Wundheilung23,24,25 und iontophoretische Arzneimittelabgabe26. Damit ES-Geräte in allen möglichen Zielanwendungen weit verbreitet werden können, müssen klinische Studien noch stärkere Beweise für eine effiziente Behandlung liefern. Selbst in Bereichen, in denen sowohl In-vivo-Tier- als auch Humanstudien durchweg positive Ergebnisse melden, hält die große Anzahl der berichteten Methoden in Verbindung mit zu wenig Anleitung zur Wahl zwischen ihnen und einem hohen Anschaffungspreis Kliniker davon ab, in ES-Geräte zu investieren27. Um dies zu überwinden, kann das Zielgewebe nicht mehr als BlackBox behandelt werden (Grenze der In-vivo-Experimente), sondern muss als komplexe Synergie mehrerer Subsysteme gesehen werden (Abbildung 1).
Mehrere ES-Experimente wurden in vitro in den Jahren28,29,30,31,32,33,34durchgeführt. Die meisten von ihnen charakterisieren die ES nur durch den Spannungsabfall zwischen den Elektroden geteilt durch den Abstand zwischen ihnen - eine grobe Annäherung an die elektrische Feldgröße. Das elektrische Feld selbst beeinflusst jedoch nur geladene Teilchen, nicht Zellen direkt. Wenn mehrere Materialien zwischen dem Gerät und den Zellen liegen, kann die grobe Annäherung nicht halten.
Eine bessere Charakterisierung des Eingangssignals erfordert einen klaren Überblick darüber, wie der Reiz an die Zelle übertragen wird. Hauptmethoden zur Lieferung von ES sind direkte, kapazitive und induktiveKopplung 35,36. Die Geräte für jedes Verfahren unterscheiden sich je nach Elektrodentyp (Stab, Planar oder Wicklung) und Platzierung relativ zum Zielgewebe (in Kontakt oder isoliert)35. Geräte, die in vivo für längere Behandlungen verwendet werden, müssen tragbar sein, daher werden die Elektroden und meistens die Energiequelle entweder implantiert oder als Wundauflagen oder elektroaktive Pflaster an der Haut befestigt. Der erzeugte Spannungsgradient verdrängt geladene Teilchen im Behandlungsbereich.
Da sie den resultierenden geladenen Teilchenfluss in der Nähe der Zellen beeinflusst, ist die Gerüststruktur bei der Gestaltung von ES-Protokollen von größter Bedeutung. Unterschiedliche Ladungstransportkonfigurationen entstehen, wenn sich das Plattformmaterial, die Synthesetechnik, die Struktur oder die Orientierung relativ zum Spannungsgradienten ändern. In vivo wird die Verfügbarkeit und Bewegung geladener Teilchen nicht nur von Zellen beeinflusst, sondern auch vom Kollagennetzwerk und der interstitiellen Flüssigkeit, aus der das unterstützende ECM besteht. Engineered Gerüste werden zunehmend verwendet, um natürliche Zellmikroumgebungen in vitro besser nachzubilden1,35. Gleichzeitig ist das ECM ein komplexes natürliches Gerüst.
Künstliche Gerüste basieren auf Metallen, leitenden Polymeren und Kohlenstoff, die mit dem Fokus auf die Balance zwischen Biokompatibilität und elektrochemischer Leistung und Langzeitstabilitätentwickelt wurden 36. Ein vielseitiger Gerüsttyp ist die elektrosponnene Fasermatte, die eine steuerbare nanoskalige Topographie bietet. Dies kann so konstruiert werden, dass es dem ECM ähnelt und somit ähnliche mechanische Hinweise liefert, die die Regeneration einer Vielzahl von Geweben unterstützen37. Um ES signifikant zu beeinflussen, müssen die Matten bis zu einem gewissen Grad leitfähig sein. Leitfähige Polymere sind jedoch schwer zu elektrospinnen und das Mischen mit isolierenden Trägern begrenzt die Leitfähigkeit der resultierendenFasern 38. Eine Lösung ist die Polymerisation eines leitfähigen Monomers auf der Oberfläche einer dielektrischen Faser, was zu einer guten mechanischen Festigkeit und elektrischen Eigenschaften des Endproduktsführt 38. Ein Beispiel ist die Beschichtung von Elektrosponnfasern aus Seide mit dem halbleitenden PEDOT-PSS39. Die Kombination von mechanischen und elektromagnetischen Hinweisen beschleunigt das Neuritenwachstum signifikant40,41,42. Neurite folgen der Ausrichtung der Gerüstfasern und verlängern sich mehr nach Einwirkung eines EF parallel zu den Fasern als eines vertikalen43. In ähnlicher Weise fördert die Ausrichtung von faserigen Gerüsten auf die EF auch die myogeneReifung 33.
Das ECM besteht hauptsächlich aus faserbildenden Proteinen44, von denen Kollagen Typ I der Hauptbestandteil in allen tierischen Geweben außer Knorpel (reich an Kollagen Typ II)44ist. Tropokollagen (TC), dreifache helikale Konformation von Polypeptidsträngen, ist das Strukturmotiv der Kollagenfibrillen45. Transmissionselektronenmikroskopische und rasterkraftmikroskopische Bilder von Kollagenfibrillen zeigen ein D-periodisches Bandmuster46, das vom Hodge & Petruska-Modell47 als regelmäßige Arrays von TC-Lücken und -Überlappungen45erklärt wird. Sehnen bestehen aus einer ausgerichteten kollagenen Fibrillenmatrix, die durch eine nicht-kollagene hochhydrophile Proteoglykanmatrix abgeschirmt ist48,49. Decorin ist ein kleines leucinreiches Proteoglykan (SLRP), das in der Lage ist, die Lückenregionen von Kollagenfibrillen zu binden und sich mit anderen SLRPs über ihre Glykosaminoglykan-Seitenketten (GAG) zu verbinden49. Studien an Sehnen zeigen, dass sich ihre elektrischen Eigenschaften signifikant ändern, wenn sie hydratisiert werden50,51, Ladungstransportmechanismus, der sich von protonisch zu ionisch ändert, wenn der Hydratationsgrad steigt51. Dies deutet darauf hin, dass die elektrische Leitung entlang einer Kollagen-Typ-I-Fibriere durch eine Decorin-Wasserschicht ermöglicht werden könnte, wobei Spalt- und Überlappungsbereiche unterschiedliche elektrische Leitfähigkeiten und Dielektrizitätskonstanten aufweisen.
Da eine identische Nachbildung des ECM durch künstliche Gerüste unwahrscheinlich ist, scheint sich das Wissen, das Synergien zwischen in vivo und in vitro erzeugt, die durch übersetzbare Ergebnisse ermöglicht werden, in einer Sackgasse zu befindet. Die In-silico-Modellierung ermöglicht nicht nur die Übersetzung zwischen den beiden, sondern bietet auch wichtige Vorteile bei der Charakterisierung der unbekannten Prozesse, die an ES beteiligt sind. Der Vergleich der In-vivo-Beobachtungen mit den In-vitro-Beobachtungen kann Aufschluss über die Kopplungsstärke zwischen dem Zielgewebe und dem Rest des Organismus geben, deckt aber keine aktuellen Wissensgrenzen auf. Das Unbekannte kann aufgedeckt werden, indem der Unterschied zwischen dem, was auf der Grundlage des aktuellen Wissens erwartet wird, und dem, was passiert, beobachtet wird. In-silico-Experimente, die auf mathematischer Modellierung basieren, ermöglichen die Aufteilung des Prozesses in bekannte und unbekannte Teilprozesse. Auf diese Weise kommen Phänomene zum Vorschein, die im Modell nicht berücksichtigt werden, wenn in silico Vorhersagen mit in vitro und in vivo Experimenten verglichen werden.
Die Bildung und Prüfung von Hypothesen über die zugrunde liegenden Mechanismen, wie Zellen und Gewebe von elektrischen Feldern beeinflusst werden, wird durch die große Anzahl von Parametern52 behindert, die separat getestet werden müssen. Um repräsentative experimentelle Bedingungen zu definieren, muss der ES-Prozess in Teilprozesse aufgeteilt werden (Abbildung 1) und dominante Eingangssignale, die das Zellverhalten beeinflussen, müssen identifiziert werden. Modelle, die grundlegende physikalische Effekte von ES auf Zellen darstellen, beschreiben die Domäne, die das EF mit der Zelle koppelt - die der geladenen Teilchen53. Das Verhalten von Partikeln außerhalb der Zelle hängt von der Mikroumgebung ab und kann getrennt von der Zelle untersucht werden. Das dominante Eingangssignal für die Zelle ist die Teilmenge der ES-Geräteausgänge, die den größten Grad an Variabilität in der Zellantwort verursacht. Die kleinste Teilmenge der vollständigen experimentellen Parameter, die Variationen in allen dominanten Zelleingangssignalen erzeugen kann, kann verwendet werden, um die Parameterraumdimension und die Anzahl der Testfälle zu verringern.
Die Eingabe des biologischen ES-Zielmodells muss eine Teilmenge der vom ES-Gerät erzeugten Ausgangssignale sein, die zur Beschreibung der physikalischen Auswirkungen von ES auf Zellen nützlich sind. Ein einfacher Bioreaktor mit direkter Kopplung hat die gleiche Struktur wie elektrolytische elektrochemische Zellen. Modelle von diesen zeigen die primäre (Berücksichtigung des Lösungswiderstands), sekundäre (auch faradische Reaktionen berücksichtigende) oder tertiäre (auch für ionendiffusion berücksichtigende) Stromdichteverteilung. Da Komplexität in Rechenkosten übersetzt wird, eignet sich das einfachste Modell am besten für die Erforschung von Parametern im Weltraum. Simulationen von Faserverbundwerkstoffen, die durch Materialeigenschaften motiviert sind54, konzentrieren sich auf Schüttguteigenschaften als Folge einer komplexen Mikroarchitektur und können daher lokale Auswirkungen der EF-Exposition nicht beschreiben. Bestehende in silico-Modelle, motiviert durch ES, konzentrieren sich auf die biologische Probe, sei es eine einzelne Zelle, die in ein homogenes Medium55,56,57eingetaucht ist, oder komplexe Gewebe mit homogenem extrazellulärem Raum58. Ladungs- und Stromdichte (Abbildung 2) können als Schnittstellensignale zwischen Modellen des ES-Geräts und der biologischen Probe oder zwischen verschiedenen Komponenten des ES-Geräts fungieren. Das vorgeschlagene FEM-basierte Protokoll verwendet die in Abbildung 2 beschriebenen Gleichungen und wurde verwendet, um zu untersuchen, wie gerüstabhängige Parameter verwendet werden können, um diese beiden Signale unabhängig von dem EF zu modulieren, der durch einen direkten Kopplungsaufbau erzeugt wird. Die Ergebnisse unterstreichen, dass es notwendig ist, die elektrischen Eigenschaften von Gerüsten oder ECM zu berücksichtigen, wenn untersucht wird, wie sich ES auf Zielzellen auswirkt.

<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

Klinische Studien zeigen, dass elektrische Stimulation (ES) eine potenzielle Therapie für die Heilung und Regeneration verschiedener Gewebe ist. Das Verständnis der Mechanismen der Zellantwort bei Exposition gegenüber elektrischen Feldern kann daher die Optimierung klinischer Anwendungen leiten. In-vitro-Experimente zielen darauf ab, diese aufzudecken, und bieten den Vorteil breiterer Input- und Output-Bereiche, die ethisch und effektiv bewertet werden können. Die Fortschritte bei In-vitro-Experimenten sind jedoch schwer direkt in klinischen Umgebungen zu reproduzieren. Das liegt vor allem daran, dass sich die in vitro verwendeten ES-Geräte deutlich von denen unterscheiden, die für den Patientengebrauch geeignet sind, und der Weg von den Elektroden zu den Zielzellen ist unterschiedlich. Die Übersetzung der In-vitro-Ergebnisse in In-vivo-Verfahren ist daher nicht einfach. Wir betonen, dass die Struktur und die physikalischen Eigenschaften der zellulären Mikroumgebung eine entscheidende Rolle bei den tatsächlichen experimentellen Testbedingungen spielen und schlagen vor, dass Messungen der Ladungsverteilung verwendet werden können, um die Lücke zwischen in vitro und in vivo zu schließen. Vor diesem Fall zeigen wir, wie in silico Finite-Elemente-Modellierung (FEM) verwendet werden kann, um die zelluläre Mikroumgebung und die Veränderungen zu beschreiben, die durch die Exposition gegenüber elektrischen Feldern (EF) erzeugt werden. Wir zeigen, wie der EF mit geometrischer Struktur gekoppelt wird, um die Ladungsverteilung zu bestimmen. Wir zeigen dann den Einfluss zeitabhängiger Eingaben auf die Ladungsbewegung. Schließlich demonstrieren wir die Relevanz unserer neuen In-silico-Modellmethodik anhand von zwei Fallstudien: (i) in vitro fibrous Poly(3,4-ethylendioxythiophen)poly(styrolesulfonate) (PEDOT-PSS) Gerüste und (ii) in vivo Kollagen in extrazellulärer Matrix (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

Dieser Artikel stellt eine Strategie zum Erstellen von Finite-Elemente-Modellen von faserigen leitfähigen Materialien vor, die einem elektrischen Feld (EF) ausgesetzt sind. Die Modelle können verwendet werden, um den elektrischen Input abzuschätzen, den Zellen, die in solchen Materialien ausgesät sind, erhalten, und die Auswirkungen der Änderung der Materialeigenschaften, der Struktur oder der Ausrichtung des Gerüsts zu bewerten.

Finite-Elemente-Modellierung einer zellulären elektrischen Mikroumgebung

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

Diese Methode hilft, die elektrische Mikroumgebung einer Zelle vorherzusagen, die auf einem Fasergerüst sitzt, wie der extrazellulären Matrix. Es gibt zwei Hauptvorteile, die sich aus der insilico-Modellierung ergeben. Die Vorhersage experimenteller Bedingungen ist 3D, während die Optimierung durch die einfache Änderung der Parameter ermöglicht wird.Elektrische Stimulation unterstützt die Regeneration mehrerer Gewebe. Dieses Modell in ähnlichen insilico-Modellen wird bei der Optimierung der Stimulationsparameter helfen. Öffnen Sie zunächst die COMSOL-Software und wählen Sie ein leeres Modell aus.Klicken Sie im Modellgenerator mit der rechten Maustaste auf globale Definitionen, wählen Sie Parameter aus und fügen Sie Parameter gemäß Tabelle eins im Textmanuskript hinzu. Sie können sie nacheinander hinzufügen oder aus einer Textdatei laden. Klicken Sie im Modellgenerator unter globalen Definitionen mit der rechten Maustaste auf Material, und wählen Sie leeres Material aus, um Materialien hinzuzufügen.Um Materialeigenschaften hinzuzufügen, gehen Sie zu den Einstellungen des neu hinzugefügten Materials, erweitern Sie dann Materialeigenschaften und wählen Sie elektrische Leitfähigkeit aus grundlegenden Eigenschaften. Drücken Sie das Pluszeichen, um eine Eigenschaft hinzuzufügen. Wiederholen Sie diesen Vorgang für die relative Permittivität.Geben Sie die aktuellen Materialeigenschaften gemäß Tabelle zwei aus dem Textmanuskript ein. Klicken Sie anschließend auf der Registerkarte Start mit der linken Maustaste auf Komponente hinzufügen und wählen Sie 3D aus, um einen neuen Komponentenknoten im Modellgenerator hinzuzufügen. Klicken Sie erneut mit der rechten Maustaste auf die Geometrie, klicken Sie mit der linken Maustaste auf die Einfügesequenz.Doppelklicken Sie dann auf das vollständige Modell und wählen Sie die entsprechende Sequenz aus. Klicken Sie unter dem knoten aktuelle Komponente im Modellgenerator mit der rechten Maustaste auf Materialien, und wählen Sie die Materialverknüpfung aus. Ordnen Sie Materialien für jede Komponente in dieser Reihenfolge zu, umgebende Substanz, Schichten und Kerne.Erweitern Sie auf der Registerkarte Einstellungen für die umgebende Substanz die Auswahlliste, um die Medienauswahl auszuwählen. Erweitern Sie die Link-Einstellungen und wählen Sie das entsprechende Material wie Kulturmedien aus der Dropdown-Liste aus. Um die Domänen innerhalb des Nährmedienblocks anzuzeigen, aktivieren Sie die Schaltfläche Transparenz auf der Registerkarte Grafiken.Konfigurieren Sie die anderen Materiallinks auf die gleiche Weise. Klicken Sie im Modellgenerator mit der linken Maustaste auf aktuelle Komponente, wählen Sie Physik hinzufügen aus, erweitern Sie dann das AC/DC-Modul, um das elektrische Strommodul auszuwählen, und klicken Sie auf Zur Komponente hinzufügen. Um Randbedingungen zu definieren, wählen Sie auf der Registerkarte Grafiken die Ansicht XY aus.Gehen Sie erneut zum Modellbauer, klicken Sie mit der rechten Maustaste auf den Knoten elektrische Ströme und wählen Sie Masse aus. Lassen Sie als Nächstes den Auswahlschalter für die Berandungsauswahl aktiv. Klicken Sie mit der linken Maustaste auf die höchste umgebende Substanzfläche parallel zur XZ-Ebene und fügen Sie Berandung fünf in das Berandungsauswahlfeld ein.Klicken Sie im Modellbau mit der rechten Maustaste auf den Stromknoten und wählen Sie Klemme aus. Wenn Sie die Berandungsauswahl aktiv halten, klicken Sie mit der linken Maustaste auf die unterste umgebende Substanzfläche parallel zur XZ-Ebene und fügen Sie auch berandung in das Berandungsauswahlfeld ein. Wählen Sie dann durch Erweitern der Klemmenauswahl eine Spannung in der Dropdown-Liste Des Klemmentyps aus und geben Sie V Null für Spannung ein.Klicken Sie unter globalen Definitionen im Modellgenerator mit der linken Maustaste auf Parameter und ändern Sie den Parameter Theta in den für die Simulation gewünschten Faserorientierungswinkel. Erweitern Sie den Komponentenknoten für jede Komponente im Modellgenerator, klicken Sie dann mit der rechten Maustaste auf Geometrie, und wählen Sie Alle erstellen aus. Klicken Sie im Modellgenerator mit der linken Maustaste auf den Modellstammknoten, und öffnen Sie die Registerkarte Studie hinzufügen.Wählen Sie stationäre Studie aus, und klicken Sie mit der rechten Maustaste auf Studie hinzufügen. Klicken Sie unter der neu hinzugefügten Studie mit der linken Maustaste auf Schritt eins, erweitern Sie Studienerweiterungen, aktivieren Sie das Kontrollkästchen Adaptive Mesh-Verfeinerung und klicken Sie auf Berechnen, um das verfeinerte Netz zu erhalten. Klicken Sie im Modellgenerator mit der linken Maustaste auf den Modellstammknoten, und öffnen Sie die Registerkarte Studie hinzufügen, wählen Sie stationäre Studie aus, und klicken Sie mit der rechten Maustaste auf Studie hinzufügen.Klicken Sie unter der neu hinzugefügten Studie mit der linken Maustaste auf Schritt eins, erweitern Sie die Netzauswahl und wählen Sie das in der Studie zur adaptiven Netzverfeinerung generierte Netz aus. Fahren Sie fort, indem Sie mit der rechten Maustaste auf die Schaltfläche Compute klicken. Klicken Sie im Modellgenerator mit der rechten Maustaste auf den Ergebnisknoten, und wählen Sie 3D-Plotgruppe aus, um die Einstellungen zu bearbeiten.Ändern Sie die Bezeichnung in Ladungsdichte und wählen Sie den parametrischen Studiendatensatz aus, indem Sie dataset aus der Dropdown-Liste erweitern. Aktivieren Sie dann in der Farblegende die Kontrollkästchen für Legenden anzeigen und Maximal- und Minimalwerte anzeigen. Klicken Sie erneut unter dem Ergebnisknoten mit der rechten Maustaste auf geladene Dichte, um die Lautstärke auszuwählen und mit der Bearbeitung der Registerkarte Einstellungen fortzufahren.Erweitern Sie die Registerkarte Daten, wählen Sie dann ein übergeordnetes Element aus und geben Sie EC ein. RHOQ im Ausdrucksfeld. Aktivieren Sie das Feld für den manuellen Farbbereich auf der Registerkarte Bereich und stellen Sie das Minimum und das Maximum auf minus 0,3 bzw. 0,3 ein. Erweitern Sie Farbgebung und Stil und legen Sie die Farbgebung auf Farbtabelle und Farbtabelle auf Welle fest.Aktivieren Sie das Farblegendenfeld und den Farbbereich der Symmetrien. Klicken Sie mit der rechten Maustaste auf Volume- und Modellgenerator, und wählen Sie Filter aus. Wechseln Sie zur Registerkarte Einstellungen, und geben Sie den logischen Ausdruck für die Aufnahme ein.Klicken Sie mit der linken Maustaste auf die Plotschaltfläche, um die Ergebnisse im Arbeitsfenster zu visualisieren. In dieser Analyse werden fünf verschiedene geometrische Komplexitätsstufen dargestellt, die das Simulationsergebnis beeinflusst haben. Ein zu grobes Netz kann relevante Informationen verbergen.Mit der adaptiven Netzverfeinerung wird ein Netz mit kleineren Elementen erhalten, wie es für genaue Ergebnisse erforderlich ist. Bei unterschiedlichen Komplexitätsgraden für das fasermatte Modell wurde die Stärke des elektrischen Feldes durch die Ausrichtung der Fasern in Bezug auf den Potentialgradienten beeinflusst. Darüber hinaus beeinflusst die Faserausrichtung im Winkel zum elektrischen Potentialgradienten die raumgeladene Dichte in den umgebenden Zellkulturmedien.In der Gerüstfaserorientierungsstudie wurden die RNC-Modellvorhersagen des Studienzustands veranschaulicht, wenn Fasern parallel oder senkrecht zum elektrischen Feld waren. Die Ladungsdichte und die Stromdichte wurden durch die Ausrichtung der Gerüstfaser relativ zum elektrischen Feld beeinflusst. Dieses Protokoll kann verwendet werden, um die Auswirkungen von Parameteränderungen auf die Ladungsdichte um ein Fasergerüstsegment zu untersuchen.Es ist wichtig, sich daran zu erinnern, dass sich durch die Änderung von Modellparametern wie Daten oder Materialeigenschaften der resultierende Ladungsdichtebereich erheblich ändern kann. Für eine optimale Visualisierung muss der Bereich so optimiert werden, dass eine maximale Variabilität der geladenen Dichte beobachtet werden kann.

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

Mikrofluidik-Vorrichtung für die Neuerstellung eines Tumor-Mikroumgebung<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 ...

Forschung

Biotechnik

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

Cellular Lipidextraktion für Targeted Stable Isotope Dilution Flüssigchromatographie-Massenspektrometrie-Analyse

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

Tissue Engineering von Tumor-Stroma-Mikromilieu mit Anwendung auf die Invasion von Krebszellen

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

A Gekoppelt Experiment-Finite-Elemente-Modeling-Methode zur Bewertung Hohe Strain Rate Mechanisches Verhalten von weicher Biomaterialien

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

Eine experimentelle und Finite-Elemente-Protokoll den Transport von neutralen und geladenen gelösten Stoffen durch Gelenkknorpel zur Untersuchung

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

3D Hydrogel Kulturen von primären Gliazellen für In-vitro- Modellierung von Neuroinflammation verbessert

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

Erstellen eines strukturell realistische Finite-Elemente geometrischen Modells von einer Cardiomyocyte zur Untersuchung der Rolle von zellulären Architektur in Cardiomyocyte Systembiologie

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

Herstellung eines Multiplex künstliche zellulären Mikroumgebung Arrays

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: Eine starke, nicht-invasive Ansatz zur zellulären Energiestoffwechsel untersuchen

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

Autofluoreszenzbildgebung zur Beurteilung des Zellstoffwechsels

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