Hier haben wir die Richtlinien für die Zusammenstellung eines kompartimentierten 3D-gehirnähnlichen Gewebemodells beschrieben. Das Modell zeichnet sich durch eine dicht polarisierte Kultur von Neuronen aus, die zur Entwicklung von zwei morphologisch unterschiedlichen Kompartimenten führt: eines mit dicht gepackten Zellkörpern, das zweite mit reinen axonalen Netzwerken. Insgesamt ahmen die Gerüstarchitektur und das Wachstumsmuster das kortikale Gewebe des Gehirns einschließlich der sechs laminaren Schichten und der Trakte der weißen Substanznach 21.
Das Donut-förmige Gewebemodell auf Basis von Seidenproteinen ermöglicht die Modifikation und Abstimmung mechanischer Eigenschaften, vielseitiger Strukturformen, Hydrogel-Füllstoffe und zellulärer Komponenten. Damit stellt dieses Gewebemodell eine Basisplattform für eine Vielzahl von Studien dar. Seide ist aufgrund ihrer Biokompatibilität, ihrer wässrigen Verarbeitung und ihrer robusten mechanischen und Abbaueigenschaften ein günstiger Kandidat für Biomaterialplattformen22. Die Seidenmatrix dient auch als stabiler Anker, um die Kontraktion des Kollagengels im Laufe der Zeit in der Kultur zu reduzieren. Die Eigenschaften wie die Seidenkonzentration und die Porosität des in diesem Modell verwendeten Gerüsts wurden zuvor angepasst, um ein optimales Zellwachstum und mechanische Eigenschaften zu erreichen, die zu einer gehirnähnlichen Gewebeelastizität führen18,23,24. Wir empfehlen, diese Parameter konstant zu halten, um das erfolgreiche Ergebnis und die Reproduzierbarkeit der Experimente zu gewährleisten.
Die Bildung eines neuronalen 3D-Netzwerks wurde durch die Kombination von zwei Arten von Biomaterialien mit unterschiedlichen mechanischen Eigenschaften erreicht: ein steifes Gerüst zur neuronalen Verankerung und eine weichere Gelmatrix, um die Axonpenetration und Konnektivität in 3D zu ermöglichen. Selektive Materialpräferenzen des Seidengerüsts und des weichen Hydrogels bilden das zugrundeliegende Prinzip für die Abschottung der Neuronen von den axonalen Verbindungen. Aufgrund der inerten Natur des Seidengerüsts ist eine Funktionalisierung mit Poly-D-Lysin für die neuronale Bindung erforderlich. Es können aber auch andere zelladhäsionsfördernde Faktoren wie RGD25 oder Fibronektin26 eingesetzt werden. Um die 3D-Netzwerkbildung zu erreichen, muss das Seidengerüst rechtzeitig mit Hydrogel gefüllt werden, sobald Neuronen an das Gerüst gebunden sind. Ebenso kann der Kollagenmatrix-Filler durch andere Hydrogele ersetzt werden, wodurch die Untersuchung des Einflusses extrazellulärer 3D-Umgebungen auf die Bildung axonaler Netzwerke als Plattform zur Bewertung neuartiger Hydrogele in Bezug auf die neuronale Kompatibilität dienen kann. Zusätzlich können neben kortikalen Neuronen der Ratte auch andere neuronale Quellen wie Hippocampus-Neuronen oder von induzierten pluripotenten Zellen (iPSc) abgeleitete Neuronen genutzt werden. Darüber hinaus kann das Gewebemodell verwendet werden, um heterozelluläre Interaktionen zu untersuchen, indem Gliazellen zusammen mit Neuronen einbezogen werden, und um komplexeres gehirnähnliches Gewebe aufzubauen.
Wie bereits gezeigt, kann unser Modell verwendet werden, um die neuronale Funktionalität in 3D-Mikroumgebungen mit einer Vielzahl von Assays wie Zellviabilität, Genexpression, LC-MS/MS und Elektrophysiologie zu bewerten, was die physiologische Relevanz des Modellsdemonstriert 18. Andere Methoden, die häufig zur Bewertung von 3D-Tissue-Engineering-Konstrukten verwendet werden, wie z. B. Immunfärbung und Mikroskopie8,9,11 , können ebenfalls verwendet werden, um die Zellverteilung und das Ausmaß der axonalen Netzwerkbildung zu beurteilen. Es ist jedoch zu beachten, dass aufgrund der hohen Dichte der Kollagenmatrix die Durchdringung von Antikörpern und die Tiefe der Bildgebung auf wenige hundert Mikrometer begrenzt ist. Darüber hinaus kann das Signal-Rausch-Verhältnis durch unspezifische Hintergrundfluoreszenz beeinflusst werden. Dies kann durch den Einsatz von lipophilen Zelltracern und genetisch exprimierten fluoreszierenden Proteinen überwunden werden, die den Bedarf an Immunfärbung verringern11. Alternativ kann die Bildgebung mit der 2-Photonen-Mikroskopie anstelle der üblichen Ein-Photonen-Technik durchgeführt werden, die den Signalverlust, das Photobleaching, reduzieren und auf mehrere hundert Mikrometer Tiefe ausgedehnt werden kann.
Zusammenfassend lässt sich sagen, dass das auf Seide und Kollagen basierende gehirnähnliche Gewebe eine robuste Plattform zur Untersuchung neuronaler Netzwerke in 3D bietet und ein Ausgangspunkt für die Entwicklung fortschrittlicherer Modelle neurologischer Erkrankungen in der Zukunft ist. Unabhängig von der Art der Auswertung unterstützt die relative Einfachheit dieses Gewebemodells seinen Nutzen, Erfolg und seine Reproduzierbarkeit.