Elastografía de coherencia óptica de vibraciones ambientales desviadas para perfilar las propiedades mecánicas de células, organoides y tejidos.

Aug 16, 2023

Biología de las comunicaciones volumen 6, número de artículo: 543 (2023) Citar este artículo

712 Accesos

3 altmétrico

Detalles de métricas

Se ha demostrado que el papel del entorno mecánico en la definición de la función, el desarrollo y el crecimiento de los tejidos es fundamental. La evaluación de los cambios en la rigidez de las matrices tisulares a múltiples escalas se ha basado principalmente en equipos invasivos y, a menudo, especializados, como AFM o dispositivos de prueba mecánicos poco adaptados al flujo de trabajo del cultivo celular. En este artículo, hemos desarrollado un método de elastografía de coherencia óptica pasiva e imparcial. , aprovechando las vibraciones ambientales en la muestra que permite la elaboración de perfiles cuantitativos no invasivos en tiempo real de células y tejidos. Demostramos un método sólido que desacopla la dispersión óptica y las propiedades mecánicas compensando activamente el sesgo de ruido asociado a la dispersión y reduciendo la varianza. La eficacia del método para recuperar la verdad fundamental se valida in silico e in vitro, y se ejemplifica para aplicaciones clave como el perfilado mecánico en el tiempo de esferoides de hueso y cartílago, modelos de cáncer de ingeniería de tejidos, modelos de reparación de tejidos y células unicelulares. Nuestro método se puede implementar fácilmente con cualquier sistema comercial de tomografía de coherencia óptica sin modificaciones de hardware y, por lo tanto, ofrece un gran avance en la evaluación mecánica de tejidos en línea de las propiedades mecánicas espaciales para organoides, tejidos blandos e ingeniería de tejidos.

Se ha demostrado que el entorno mecánico en la homeostasis de los tejidos es fundamental para la función, el desarrollo y la patología de múltiples órganos1,2,3. La rigidez de la matriz puede ser un indicador informativo en muchas aplicaciones biológicas y médicas. En ingeniería de tejidos, las propiedades mecánicas espaciales y de volumen de los injertos diseñados son cruciales para su éxito clínico después de la implantación4,5,6,7. Por ejemplo, la limitación de nutrientes puede crear una región central más blanda en el cartílago modificado8,9. En la investigación del cáncer, la rigidez diferencia el tejido maligno del tejido sano10, y monitorear el cambio en la rigidez del modelo de células cancerosas en 3D en respuesta al tratamiento con medicamentos contra el cáncer puede indicar potencialmente la efectividad del medicamento11. En el ojo, la rigidez de la córnea es indicativa de su rendimiento óptico bajo presión intraocular12. Los enfoques tradicionales para probar las propiedades mecánicas de los tejidos diseñados generalmente requieren contacto directo con el tejido y no son estériles, lo que implica la terminación del cultivo celular13,14. Además, proporciona sólo valores globales en lugar de información localizada sobre la heterogeneidad mecánica espacial del tejido diseñado. Los cultivos de fabricación o a largo plazo necesitan un monitoreo continuo y sencillo sin dañar los cultivos 3D y los sistemas ópticos brindan una solución potencial. Por lo tanto, se necesita un sistema para monitorear en línea de manera estéril las propiedades mecánicas espaciales y masivas de tejidos 3D in vitro, como matrices sembradas de células, organoides o explantes ex vivo.

La cuantificación y el mapeo espacial de la rigidez, un proceso conocido como elastografía, generalmente se puede realizar estimulando una muestra, midiendo su deformación e infiriendo sus propiedades mecánicas mediante el ajuste a un modelo parametrizado. La elastografía se implementó primero con imágenes de ultrasonido15, luego con resonancia magnética16 y más recientemente con métodos ópticos como se revisó recientemente17. La tomografía de coherencia óptica (OCT)18 es particularmente adecuada para el seguimiento de la deformación de la elastografía en muestras pequeñas, debido a su capacidad de obtención de imágenes 3D no invasivas de alta resolución19 y su capacidad para codificar con precisión el desplazamiento a través de su fase20.

Los primeros métodos de elastografía de coherencia óptica (OCE) utilizaban compresión de superficie con seguimiento de moteado21,22 y posteriormente medición de desfase23, ​​pero el concepto se ha realizado con muchas otras formas de estimulación con y sin contacto24. Un enfoque exitoso es lanzar ondas de corte controladas en el material desde una carga dinámica puntual a través de una bocanada de aire25 y medir la velocidad de la onda resuelta espacialmente usando OCT, que está estrechamente relacionado con la rigidez del material26 y se ha demostrado in vivo27. Las ondas de corte difusas de banda ancha que ocurren naturalmente también pueden aprovecharse para medir la longitud de onda de corte28,29, un concepto utilizado por Nguyen et al.30 con OCT, donde se denomina "elasografía pasiva". Un enfoque estrechamente relacionado de Zvietcovich et al.31 mide la longitud de onda de corte de ondas reverberantes de una serie de fuentes puntuales de contacto que vibran a una sola frecuencia, donde se aplicó con éxito ex vitro para cuantificar la rigidez de la córnea.

La elastografía pasiva es una técnica convincente para el contraste mecánico, ya que se puede realizar con sistemas OCT sin modificaciones adicionales de hardware. Sin necesidad de contacto con los materiales, el análisis se puede realizar de forma estéril para aplicaciones de ingeniería de tejidos. Aunque la adquisición es asincrónica y lenta en relación con la fuente vibratoria, lo que permite el uso de sensores de marco bajo, aún se puede estimar la longitud de onda de corte a partir de una serie de campos de desplazamiento utilizando el algoritmo de ajuste de Bessel de correlación cruzada de la ref. 31 o relación desplazamiento-energía de deformación de ref. 30. Sin embargo, mientras que el primero tiene una resolución espacial limitada en todo el plano de ajuste, el segundo está intrínsecamente sesgado por niveles variables de ruido. Por lo tanto, proponemos un análisis de vibraciones ambientales desviadas OCE para formar una estimación desviada espacialmente variante de la longitud de onda local, que es adecuada para materiales de diferentes tamaños y propiedades de dispersión óptica.

Primero simulamos una onda de corte que viaja en un material bifásico según la ecuación. (4) (Fig. 1a) con una longitud de onda de λ1 = 2 mm en la región azul y λ2 = 4 mm en la región amarilla, y probamos el rendimiento de nuestro algoritmo para recuperar la verdad fundamental con una adquisición lenta y asincrónica en comparación. a la fuente vibratoria. Las mediciones de fase de lapso de tiempo (N = 195) correspondientes al campo de desplazamiento inducido por la onda de corte que viaja en el material (plano x – y) se simulan en la Fig. 1b con un ruido blanco gaussiano aditivo (varianza σ = 0,05), y Se utilizan como entradas para los algoritmos OCE que estiman la longitud de onda a lo largo del eje x (Fig. 1c). El algoritmo OCE pasivo presentado en la ref. 30 está sesgado por el ruido en las mediciones, lo que mostramos teóricamente. Este efecto se demuestra en la Fig. 1c y se investiga más a fondo con diferentes variaciones del nivel de ruido en la Fig. 1d. Como el ruido en las estimaciones de desplazamiento de OCT está relacionado con su relación señal-ruido32,33, este contraste de elastografía pasiva está directamente relacionado con las propiedades de dispersión del material. Por lo tanto, los materiales con idéntica rigidez pero diferente dispersión óptica se diferenciarán incorrectamente con este algoritmo. Para aliviar este problema, presentamos un enfoque que compensa activamente este sesgo de ruido y reduce la variación mediante filtrado espacial. La efectividad de esto se demuestra en los mapas de longitud de onda en la Fig. 1a y los perfiles de línea en la Fig. 1c. La estimación desesgada corrige el error promedio, pero introduce una gran cantidad de varianza, atribuida al equilibrio entre sesgo y varianza. Finalmente, nuestro algoritmo OCE de vibración ambiental desesgada propuesto produce una estimación desesgada de baja varianza muy cercana a la verdad fundamental. Lo más importante es que las tendencias son consistentes para los diferentes niveles de ruido en la Fig. 1d, lo que permite desacoplar la intensidad de la dispersión y el contraste mecánico.

a Muestra la verdad del terreno con ondas que viajan lateralmente en un material bifásico a una longitud de onda λ1 = 2 mm y λ2 = 4 mm, la estimación sesgada de la elastografía pasiva según la ecuación. (6)29, la estimación desesgada de alta varianza de la ecuación. (8) y la estimación filtrada desesgada propuesta de la ecuación. (9), que forma el contraste mecánico. Las longitudes de onda están codificadas por colores en la figura según la barra de colores. b Muestra la medición de fase de lapso de tiempo simulada inducida por el campo de desplazamiento calculado a partir de la verdad del terreno con la adición de un fondo ruidoso. c Muestra los perfiles de línea a través de las regiones coloreadas en a. El panel d es el sesgo de longitud de onda estimado para la elastografía pasiva (todas las líneas rojas) y la vibración ambiental desviada OCE (líneas azules) a niveles de ruido crecientes.

La medición confiable de la longitud de onda elástica permite producir una estimación de la rigidez. Para materiales isotrópicos linealmente elásticos, por ejemplo, E ∝ λ2, donde E es el módulo de Young y λ es la longitud de onda estimada mediante nuestro algoritmo. Mediante calibración y mediciones en las mismas condiciones, se puede encontrar la constante de proporcionalidad. A continuación se resumen más detalles sobre la relación entre la longitud de onda y los módulos elásticos.

Luego, validamos nuestro enfoque con geles de agarosa acelulares de rigidez variable, que se resume en la Fig. 2, con detalles de implementación y procesamiento y protocolo experimental descrito completamente en "Métodos". Después de la obtención de imágenes OCT, se midió el módulo de Young de estos geles mediante una prueba de compresión estándar. Las imágenes de intensidad de OCT y los mapas de contraste mecánico calculados de estos hidrogeles se muestran en la Fig. 2a. Todos los geles tenían la misma cantidad de agente de contraste óptico pero diferente concentración de agarosa, que se correlaciona con su rigidez34, para desacoplar la dispersión óptica y las propiedades mecánicas. Hay un aumento visible en la estimación de la rigidez al aumentar la concentración de los mapas λ. En comparación con el módulo de Young de los grupos de cada concentración de gel (n = 3), como se muestra en la Fig. 2c, existe una fuerte correlación lineal (r = 0,994) que valida el modelo E ∝ λ2 para este material. De ahora en adelante nos referiremos a la longitud de onda media al cuadrado, λ2, como "rigidez relativa".

a Muestra ejemplos de intensidad y contraste mecánico. Todas las imágenes tienen un tamaño de 3×3 mm. El panel b es un perfil de línea de borde y una resolución espacial calculada como el FWHM de la derivada sigmoidea ajustada como en la ecuación. (13); Se encontró que la resolución espacial del borde axial correspondiente era de 38,1 μm. c Calibración mecánica realizada como un ajuste lineal entre la longitud de onda al cuadrado y el módulo de Young de Bose ElectroForce (n = 3), asumiendo el modelo elástico en la ecuación. (3); Las barras de error muestran la desviación estándar. Las imágenes de intensidad OCT se muestran como el logaritmo de la intensidad media.

La agarosa híbrida que se muestra en la Fig. 2a muestra la capacidad de medir rigidez heterogénea y variaciones locales, similar a la de la ref. 30. En este caso, nuestro algoritmo produce un fuerte contraste entre las dos mitades del gel y consistente con la profundidad. Finalmente, estimamos que la resolución espacial de nuestro método y sistema a partir de las transiciones de los bordes, con el perfil correspondiente en la Fig. 2b, es de 47,4 μm lateralmente y 38,1 μm axialmente, comparable a lo informado por la ref. 31; El método para calcular la resolución espacial se detalla en la sección Métodos. Sin desviarse, la elastografía pasiva también puede proporcionar un contraste mecánico similar al que se muestra en la ref. 30. Sin embargo, la medición cuantitativa de la longitud de onda de corte está en gran medida subestimada (ver Figs. 1c y S2d), especialmente en presencia de ruido (Fig. 1d). Por el contrario, la vibración ambiental desviada OCE proporciona un valor preciso para la longitud de onda en la simulación (Fig. 1c), incluso en presencia de ruido (Fig. 1d), y un valor realista para la longitud de onda para muestras reales que se correlaciona bien con las mediciones mecánicas. (ver figura 2c).

El análisis de la rigidez de la matriz durante la ingeniería de tejidos ortopédicos es fundamental para la evaluación y las posibles medidas de resultado para la fabricación de implantes médicos. Como una aplicación del análisis OCE de vibración ambiental desviada en ingeniería de tejido óseo, cultivamos gránulos de células madre mesenquimales (MSC) en diferenciación osteogénica durante 21 días, mientras medimos continuamente su rigidez con OCE de vibración ambiental desviada de forma estéril en línea. La validación se realizó en un subconjunto de muestras con pruebas mecánicas de punto final. A partir de las pruebas mecánicas, que se muestran en la Fig. 3b, hay un marcado aumento en el módulo de Young de los tejidos óseos diseñados durante todo el cultivo. Este aumento del contraste mecánico también es claro en los mapas λ de la Fig. 3a en cada uno de los gránulos a lo largo del tiempo. Luego se cuantificó la rigidez relativa de la vibración ambiental desviada OCE sobre cada uno de los gránulos y se muestra en la Fig. 3c, mostrando un aumento monótono sobre el cultivo para cada muestra, de acuerdo con los datos de las pruebas mecánicas. Se observó un aumento de la tinción de colágeno en gránulos osteogénicos con el tiempo de cultivo, lo que indica un crecimiento en el contenido de la matriz tras el cultivo, lo que respalda aún más los datos de las pruebas mecánicas y el análisis OCT. Se observaron heterogeneidades espaciales tanto en los mapas de contraste mecánico como en la histología.

El panel a son ejemplos de intensidad y contraste mecánico de tejidos óseos diseñados (por triplicado) en los días 3, 10 y 21. Todas las imágenes presentadas son de 1 × 1 mm. b Muestra el módulo de Young del tejido, probado mediante un equipo de compresión personalizado (n = 4)40. El panel c es la rigidez relativa de cada muestra a lo largo del cultivo (n = 3). d Histología con tinción con rojo picrosirius para determinar el contenido de colágeno en gránulos osteogénicos en los días 3, 10 y 21. La tinción naranja indica citoplasma y la tinción roja indica nuevas fibrillas de colágeno sintetizadas; barra de escala: 100 μm. e Muestra la intensidad y el contraste mecánico de los tejidos cartilaginosos diseñados estimulados por presión hidrostática durante 21 días. El panel f es el contenido de glucosaminoglicanos (GAG) de las muestras (n = 4), y g muestra la rigidez relativa del análisis OCE de vibración ambiental desviada (n = 3). * denota una diferencia significativa con p < 0,05 y ** de p < 0,01 según lo calculado con la prueba Anova unidireccional seguida de una comparación de medias de Tukey-Kramer. Las barras de error representan la desviación estándar.

Luego, aplicamos un análisis OCE de vibración ambiental desviado a sedimentos de células MSC cultivadas en un medio condrogénico durante 21 días. Se sometieron N=3 muestras a presión hidrostática para mejorar aún más la diferenciación, mientras que el resto (N=3) se mantuvieron como control. Como se esperaba, el análisis bioquímico mostró un aumento en el contenido de glucosaminoglicano (GAG) en el grupo estimulado como se muestra en la Fig. 3f, lo que implica un aumento en la rigidez, y esto se refleja bien tanto en los mapas λ en la Fig. 3e como en el análisis cuantitativo resumido. en la figura 3g.

Exploramos el potencial de la OCE de vibración ambiental desviada en la investigación del cáncer para monitorear las propiedades mecánicas espaciales de un modelo de cáncer diseñado con tejidos. Primero cultivamos geles de colágeno sembrados con fibroblastos durante 11 días. Como se esperaba, nuestro análisis mostró un aumento constante en la rigidez relativa del gel de colágeno sembrado con fibroblastos durante el tiempo de cultivo, Fig. 4a, b. Luego, se sembraron células de cáncer de ovario sobre el gel de colágeno durante 7 días y se pudieron distinguir fácilmente de la capa de gel de colágeno analizando el contraste mecánico entre las dos Fig. 4c, d. Esto fue respaldado por la histología (Fig. 4e, f).

a Muestra la intensidad y el contraste mecánico de geles de colágeno sembrados con fibroblastos durante un cultivo de 11 días. Todas las imágenes presentadas son de 6×3 mm. b Muestra su correspondiente rigidez en el tiempo. c Muestra la intensidad y el contraste mecánico de geles de colágeno con y sin células cancerosas cultivadas encima durante 7 días. d Propiedades mecánicas medidas a lo largo de la línea roja mostrada en c. e, f Imágenes histológicas para c teñidas con hematoxilina y eosina. Barra de escala: 1 mm.

La OCT es una herramienta de rutina para la oftalmología y nuestro método podría extender estas capacidades al monitoreo rutinario de reconstrucciones de superficies. Por lo tanto, investigamos el potencial de la OCE de vibración ambiental desviada para evaluar la calidad y eficiencia de un sistema de gel para reparar pequeñas lesiones de la córnea. Se perforaron córneas porcinas (N = 3) para realizar una biopsia para generar una herida local. Luego, se inyectó una solución de fibroína de seda metacrilada al 15% o al 20% en el sitio de la lesión, se entrecruzó con UV y se tomaron imágenes con OCT (Fig. 5a). El análisis OCE de vibración ambiental desviada mostró una rigidez relativa significativamente mayor en el grupo de gel al 20%, que está en línea con los datos mecánicos obtenidos mediante pruebas de reología (Fig. 5b, c). Si bien las imágenes de intensidad OCT no mostraron ningún vacío obvio en la interfaz entre el gel y la córnea en ninguno de los grupos, se identificaron vacíos claros para ambos grupos en el mapa de contraste mecánico (λ) (ver flechas blancas), lo que indica la existencia de una solución de gel sin curar. . Esto sugiere que la OCE de vibración ambiental desviada puede ser una herramienta poderosa para evaluar la calidad y eficiencia de la reparación de tejidos.

a Muestra la intensidad y el contraste mecánico de córneas porcinas intactas y después de implantar dos concentraciones diferentes de hidrogel; las flechas blancas indican áreas de gel sin curar, que muestran un alto contraste mecánico pero no en intensidad. b Muestra el módulo de almacenamiento de reología de muestras de hidrogel (n = 3). c Muestra una rigidez relativa en las exploraciones OCT (n = 3). d Muestra un estudio sobre las propiedades mecánicas de los ovocitos de ratón: comparando ovocitos de tipo salvaje con zona intacta y sin zona y ovocitos knockout para histona H3.3 intactos; los ovocitos de tipo salvaje con zona intacta exhiben una mayor heterogeneidad de rigidez marcadamente diferente de la zona intacta H3.3 sin zona libre y menos competente en términos de desarrollo. Las imágenes de los ovocitos se han recortado a 100 × 300 micrómetros (x – z). * denota una diferencia significativa con p < 0,05 y ** de p < 0,01 según lo calculado con la prueba Anova unidireccional seguida de una comparación de medias de Tukey-Kramer. Las barras de error representan la desviación estándar.

Los estudios de fertilidad de rutina pueden implicar la evaluación de la viabilidad y la capacidad de desarrollo de los ovocitos prefecundados. Estudios recientes sugieren que la rigidez del ovocito está asociada con su viabilidad y potencial de desarrollo embrionario35. La aplicación del análisis OCE de vibración ambiental desviada a ovocitos de ratón se resume en la Fig. 5d. Comparamos ovocitos intactos y sin zona pelúcida de ratones de tipo salvaje y knockout Cabin1, que se ha demostrado que causa una detención del desarrollo embrionario36. En primer lugar, se observó una diferencia significativa en la longitud de onda media frente al grupo de control, lo que podría ser un medio para evaluar su viabilidad como en las referencias. 35,37. El mapa de contraste mecánico mostró un anillo exterior más rígido en la zona intacta de tipo salvaje en comparación con los ratones knockout de cabina 1 sin zona y con zona intacta (Fig. 5d). Esto sugiere que la OCE con vibración ambiental desviada puede ser una herramienta eficaz para la detección sin contacto de ovocitos competentes en términos de desarrollo de una manera no invasiva, en contraste con la aspiración con micropipeta34.

El análisis de vibración ambiental desviado es un algoritmo de posprocesamiento para derivar mapas de contraste mecánico cuantitativos a partir de exploraciones OCT, que desacopla las propiedades mecánicas y de dispersión. El enfoque se basa en la estimación de la longitud de onda de las ondas elásticas ambientales generadas por múltiples fuentes en condiciones de laboratorio. En los laboratorios de investigación óptica, normalmente es necesario realizar experimentos en un entorno libre de vibraciones. Sin embargo, una gran cantidad de fuentes de vibración cercanas y distantes, como calefacción, ventilación, aire acondicionado, incubadoras, bombas, computadoras, equipos científicos, sistemas de transporte por carretera y ferrocarril, se suman a un ruido de fondo vibratorio inevitable que se acopla al entorno circundante. Para ello, los sistemas ópticos se construyen sobre mesas vibratorias pasivas o activas especializadas. Sin embargo, en nuestro estudio operamos intencionalmente nuestro sistema OCT en un banco para beneficiarnos plenamente de las vibraciones ambientales.

Además, realizamos análisis FEM para mostrar que las vibraciones externas aplicadas a la placa de un pozo generan suficientes ondas en la muestra. También vale la pena señalar que en nuestra configuración experimental, debemos tomar medidas para reducir la magnitud de las vibraciones ambientales colocando la placa en una cámara con una base de goma para evitar envolturas de fase y artefactos provocados por grandes desplazamientos.

Las vibraciones ambientales también son relevantes para los estudios in vivo, ya que se han utilizado ondas de corte que surgen naturalmente de la actividad del cuerpo humano para evaluar cualitativamente las propiedades elásticas de los tejidos28,38.

Además, también se ha demostrado el potencial de la elastografía de coherencia óptica pasiva in vivo para la córnea de un ojo de rata anestesiada30.

La resolución espacial es una consideración importante para cualquier método de obtención de imágenes, y la capacidad de resolver diferentes rigideces de materiales es una de las principales ventajas de OCE. Teóricamente, nuestro método está limitado únicamente por el número de píxeles sobre los cuales se calcula la potencia de deformación o el núcleo del filtro. Para el estudio de agarosa en la Fig. 2, calculamos la deformación lateral con una ventana deslizante de 7 píxeles y utilizamos un filtro gaussiano con una desviación estándar espacial de 5 píxeles, lo que lleva a un FWHM de 11,8 píxeles y una resolución espacial esperada de 41,3 μm lateralmente y 20,9 μm axialmente, que es comparable a los 47,4 μm y 38,1 μm que medimos empíricamente desde la transición del borde. En presencia de ruido, existe un equilibrio entre sesgo, resolución espacial y varianza que puede controlarse mediante los parámetros Ng y Nh. Cuanto mayor es el ruido, menor es la resolución espacial alcanzable para una precisión determinada, por lo que el nivel de dispersión óptica es importante para una SNR alta, sin atenuar la señal ni reducir la penetración. Finalmente, nos referimos a la longitud de onda media como rigidez relativa, despreciando la viscoelasticidad. Esto fue motivado por el hecho de que en el tejido blando incompresible, el comportamiento elástico está dominado por el módulo de corte que varía linealmente con el cuadrado de la longitud de onda de la onda de corte, como se usa comúnmente en la elastografía pasiva30. Nuestros datos experimentales (Fig. 2c), que muestran una fuerte dependencia lineal (r = 0,994) entre el módulo de Young medido y el cuadrado de la longitud de onda de la onda de corte, validaron que el comportamiento viscoelástico podría despreciarse en esta aproximación. En nuestro estudio, hemos validado el enfoque utilizando ejemplos comunes donde la rigidez es una evaluación central durante la evaluación cultural o de resultados. Nuestros resultados han demostrado cómo podemos evaluar tejidos ortopédicos como el cartílago y el hueso durante la diferenciación en tejidos intactos, modelos de cáncer diseñados con tejidos, evaluación de la fertilidad de ovocitos in vitro y aplicaciones oftalmológicas donde se puede evaluar la rigidez del biomaterial con el tiempo después de la implantación.

La OCE de vibraciones ambientales desviadas es una poderosa herramienta para evaluar espacialmente biomateriales y biomatrices in vitro en cultivos 3D, ya que produce una imagen de contraste mecánico cuantitativo, o mapa λ, que se desacopla de la imagen de intensidad de dispersión estándar de OCT, y esta información adicional Se puede utilizar para indicar cambios importantes en la muestra. Además, se puede extraer la "rigidez relativa" de una región como la longitud de onda cuadrática media, que será directamente proporcional al módulo de Young de un material linealmente elástico isotrópico, como se validó en muestras de agarosa. Utilizando sistemas biológicos con diferentes propiedades de matriz, demostramos que este enfoque eficaz y "fácil de usar" ofrece un gran avance en la evaluación mecánica de tejidos en línea de las propiedades mecánicas espaciales para organoides, tejidos blandos e ingeniería de tejidos.

El sistema utilizado para el estudio de pellets de agarosa y hMSC fue un sistema OCT de dominio espectral Telesto-II de Thorlabs con una longitud de onda de fuente central de 1310 nm equipado con una lente de escaneo (LSM03 Thorlabs) que dio como resultado una resolución axial de 4,1 μm en tejido y una resolución lateral de 15 micrómetros. La adquisición constaba de 192 cuadros, cada uno con 1000 A-scans a una frecuencia de 48 kHz. En el caso de los geles de colágeno con semillas de ovocitos y cáncer, el sistema era un sistema Wasatch Photonics de 800 nm con un ancho de banda espectral de 92 nm, con mediciones que consistían en 100 cuadros de 512 escaneos A a una velocidad de 30 kHz. En todos los casos, las muestras se colocaron en placas de pocillos de cultivo de tejidos estándar en el mismo banco que la sonda OCT para permitir la transmisión de vibraciones.

El preprocesamiento se realizó con software personalizado para: volver a muestrear el espectrómetro en el espacio k, eliminar la señal de fondo y tomar la transformada rápida de Fourier para mapearlo en un espacio de retardo de valor complejo. Luego se estimaron los campos de desplazamiento entre cuadros posteriores con

donde λ0 es la longitud de onda central de la fuente, neff es el índice de refracción efectivo de la muestra, ℜ y ℑ toman las partes real e imaginaria, y pt+1 es la medición compleja posterior de pt. A partir de estos campos de desplazamiento se estiman las longitudes de onda elásticas mediante ().

Deseamos estimar la rigidez resuelta espacialmente de un material a través de su velocidad de onda dada como

donde ρ es su densidad de masa y M es algún factor de módulo elástico. Esta forma genérica se aplica a: ondas de corte, donde \(M=\frac{1}{3}\mu\), siendo μ el módulo de corte; Ondas P, donde \(M=K+\frac{4}{3}\mu\), siendo K el módulo de masa; y ondas superficiales de Rayleigh, donde \(M=\frac{{(0.862+1.14\nu )}^{2}}{2{(1+\nu )}^{2}}\mu\) con ν la de Poisson relación. Como ocurre con cualquier onda viajera, la velocidad se puede expresar como v = λf, donde λ es su longitud de onda espacial y f su frecuencia temporal. Si f y ρ son conocidos o se sabe que están fijos a priori, entonces se puede calcular el módulo elástico M directamente a partir de λ medido.

Suponiendo ondas de corte, como en las refs. 29,31, y un material isotrópico linealmente elástico, el módulo de Young se puede encontrar como

Dadas ondas elásticas periódicas que se propagan a través de un material heterogéneo, se puede medir su desplazamiento en una posición x como

donde a es la amplitud de la onda, λ es la longitud de onda espacial y ϕ(t) es una función de fase que describe la posición de la onda en el tiempo t. También se puede estimar la deformación local como una aproximación en diferencias finitas a una derivada como

donde Δx es la resolución del sistema de imágenes. Dado que la energía de una sinusoide suficientemente muestreada es Nta2/2 independientemente del orden de las muestras, se deduce que λ se puede encontrar mediante

donde \(\mathop{\sum }\nolimits_{t = 1}^{{N}_{t}}d{(t)}^{2}\) es la energía de desplazamiento de una secuencia de mediciones de ondas como se representa en la ecuación. (4). La estimación en la ecuación. (6) es equivalente al presentado en la ref. 29 y utilizado en la ref. 30. La estimación en la ecuación. (6) es exacta en un sistema sin ruido como Δx → 0 y el número de muestras temporales Nt → ∞. En este caso, ϕ(t) puede tomar la forma ϕ(t) = kt, donde k es un escalar o una función aleatoria que abarca [ − π, π] con densidad de probabilidad uniforme. Por ejemplo, si uno tiene un muestreo lineal con fluctuación de tiempo como ϕ(t) = kt + n con \(n \sim {{{{{{{\mathcal{N}}}}}}}}(0,{ \sigma }_{t}^{2})\), entonces la ecuación. (6) sigue siendo precisa para un número suficiente de mediciones.

Aunque la estimación de la longitud de onda en la Ec. (6) se cumple en el caso sin ruido, en la práctica está fuertemente sesgado por cualquier ruido de fase. Esto se debe a que la longitud de onda de corte está en el rango milimétrico29,31, que es mucho mayor que la resolución de muestreo espacial en OCT, por lo que cualquier ruido aditivo de banda ancha será amplificado por el gradiente en la ecuación. (5).

Para ruido blanco gaussiano aditivo (AWGN), \(n \sim {{{{{{{\mathcal{N}}}}}}}}(0,{\sigma }^{2})\), con varianza σ2, la energía de la señal después de filtrar con algún kernel h es

donde Nh es la longitud de h. Por ejemplo, la aproximación del gradiente de diferencia central en la ecuación. (5) es equivalente a filtrar espacialmente el vector de desplazamiento con kernel h = [ − 0.5, 0, 0.5]/Δx, que tiene una energía de En = 0.5σ2/Δx2. Si se puede estimar σ a partir de las muestras, entonces se puede formar la estimación desesgada de la longitud de onda como

donde * denota convolución espacial.

Mientras que la ecuación. (8) puede ser razonable en ruido moderadamente bajo, cuando las energías del ruido son similares a las energías de la señal, producirá una gran variación o incluso estimaciones indefinidas. Esto se puede compensar hasta cierto punto aumentando Ng o Nt, pero a expensas de la tasa de respuesta temporal y el tiempo de escaneo o la resolución espacial en la dirección del gradiente y no controlará que el numerador se vuelva negativo. Por lo tanto, introducimos un filtro de paso bajo 2D adicional para los vectores de desplazamiento. Esta estimación filtrada desesgada como

donde g es el filtro de paso bajo 2D y Nh*g = Nh + Ng − 1 es la longitud del núcleo del filtro de deformación efectiva. Usamos una función gaussiana 2D para g ya que no introducirá ningún artefacto de ondulación, con tamaño Ng = ⌈2cg⌉ + 1, donde cg es su desviación estándar espacial de la gaussiana. El filtro gaussiano generó un patrón moteado en los mapas de contraste mecánico.

A pesar del filtrado y la reducción efectiva de la potencia del ruido en la Ec. (9), todavía puede haber casos de estimaciones indefinidas debido a una posible negatividad. Para evitar esto, adoptamos un enfoque de 'resta suave' como el que se utiliza en la corrección de dispersión de la tomografía computarizada de rayos X39

que reemplaza la operación a − b, donde γ es un factor de compensación que se puede calcular como

donde β = [0, 1] es un término umbral que fijamos en β = 0,9 en este trabajo. En nuestros experimentos, esto sólo comienza a contribuir muy profundamente en las muestras, donde de todos modos la intensidad es demasiado baja para una medición confiable.

Una última consideración para este método es determinar la varianza del ruido σ2. Bajo el supuesto de que esto varía en el espacio y que la longitud de onda es significativamente mayor que la resolución espacial del sistema OCT, se puede aproximar como la varianza promediada en el tiempo dentro de una ventana deslizante de 3 × 3.

En total, en este estudio se fabricaron hidrogeles de agarosa al 1%, 2% y 3% que contenían 1% de leche. Brevemente, se añadió agarosa tipo I (Fisher Scientific, Reino Unido) a agua destilada y se esterilizó en autoclave a 121 °C para preparar soluciones de agarosa al 2 %, 4 % y 6 %. Se preparó una solución de leche al 2% disolviendo leche en polvo descremada (Bio-rad, Reino Unido) en agua destilada y esta solución se mezcló con un volumen igual de solución de agarosa al 2%, 4% y 6% a 100 °C y se vertió en un plato. y se dejó solidificar a temperatura ambiente para producir geles de agarosa al 1%, 2% y 3% que contenían 1% de leche. Se prepararon geles híbridos al 2/3% raspando parte del gel al 2% y añadiendo solución de agarosa al 3% en el plato y se dejaron solidificar. Luego se extrajo el núcleo de los geles utilizando un punzón de biopsia para producir discos de 6 mm de diámetro y 2 mm de espesor. Luego, estos geles se colocaron en una placa de cultivo de tejidos de 96 pocillos con 100 μl de agua destilada que cubrían la superficie de cada gel y se tomaron imágenes con OCT para medir la longitud de onda como se describió anteriormente.

El módulo de Young de estos geles de agarosa se probó utilizando Bose ElectroForce 5500 (TA Instruments, Reino Unido). Brevemente, se eliminó el exceso de agua de los geles de agarosa y se usó una precarga de 0,01 N para asegurar el contacto directo entre la muestra y las superficies de la placa. Se realizó una compresión en rampa no confinada (hasta un 10% de deformación del espesor de la muestra) y se calculó el módulo de Young a partir de la curva tensión-deformación.

La pata trasera de oveja se compró en un matadero local y se aislaron células madre mesenquimales (MSC) ovinas de la médula ósea del fémur. Por lo tanto, no se necesitó aprobación ética para este estudio. Se tripsinizaron las MSC del paso dos y se agregaron 200.000 células en cada pocillo de una placa de 96 pocillos con fondo en V (Greiner bio-one) y se centrifugaron durante 5 minutos a 500 x g para formar sedimentos celulares.

Para la diferenciación condrogénica, los sedimentos celulares se cultivaron en un medio de diferenciación que consistía en DMEM con alto contenido de glucosa suplementado con L-glutamina 2 mM, penicilina 100 U/mL, estreptomicina 0,1 mg/mL, piruvato de sodio 100 μg/mL, L- prolina, 50 μg/ml de ácido L-ascórbico-2-fosfato, 4,7 μg/ml de ácido linoleico, 1,5 mg/ml de albúmina sérica bovina (BSA), 1 × insulina-transferrina-selenio, dexametasona 100 nM (todos de Sigma-Aldrich, Reino Unido) y 10 ng/ml de TGF-β3 humano recombinante (Peprotech, Reino Unido) durante 3 semanas, intercambiándose el medio tres veces por semana. Durante este período de diferenciación, la mitad de los pellets se sometieron a presión hidrostática (HP, 270 kPa, 1 Hz, 1 h/día) para mejorar la diferenciación, mientras que el resto no se estimuló y se mantuvo como control. Tanto el grupo de control como el de HP se recolectaron al final del período de diferenciación y se tomaron imágenes con OCT para medir la longitud de onda. Luego, las muestras se digirieron con papaína para medir su contenido de glucosaminoglicano (GAG) utilizando un ensayo de unión de colorante azul de dimetilmetileno. También se recolectaron muestras para histología, se incluyeron en cera, se seccionaron y se tiñeron con azul alcian 8GX al 1% en HCl 0,1 M para distribución de GAG.

Para la diferenciación osteogénica, los sedimentos celulares se cultivaron en un medio de diferenciación que consistía en DMEM bajo en glucosa suplementado con suero bovino fetal al 10%, L-glutamina 2 mM, penicilina 100 U/mL-estreptomicina 0,1 mg/ml, dexametasona 100 nM, 50 μM L. -ácido ascórbico-2-fosfato y β-glicercofosfato 10 mM (todos Sigma-Aldrich, Reino Unido) durante 3 semanas, intercambiándose el medio tres veces por semana. Durante este período de diferenciación, las muestras se monitorearon continuamente usando OCT de manera estéril para medir la longitud de onda en los días 3, 10 y 21, y se terminaron muestras separadas en cultivo paralelo para pruebas mecánicas e histología en los mismos puntos temporales. El módulo de Young de los gránulos de células osteogénicas se probó utilizando un equipo personalizado diseñado para probar microesferas y organoides celulares40. Después de eliminar el exceso de agua, se colocaron sedimentos celulares entre dos superficies de platina y se realizó una compresión en rampa ilimitada (hasta un 25% de deformación del diámetro de la muestra) y se calculó el módulo de Young a partir de la curva tensión-deformación. Para el análisis histológico, los sedimentos celulares se incluyeron en cera, se seccionaron y se tiñeron con rojo picrosirius para la acumulación de colágeno.

Se crearon matrices de colágeno/fibroblastos utilizando la metodología descrita en Timpson et al.41. Las matrices se incubaron a 37 °C, 5 % de CO2 durante 15 días para permitir que la matriz de colágeno/fibroblastos se contrajera. Se tomaron imágenes de la matriz de colágeno/fibroblastos mediante OCT en los días 1, 4, 7, 11 y 15 de la contracción de la muestra.

Utilizando el protocolo descrito en Hallas-Potts et al.42, se prepararon y transfirieron a una rejilla metálica una matriz de colágeno/fibroblastos con A2780 cultivado encima y una matriz de colágeno/fibroblastos en blanco sin células cultivadas encima. El movimiento de la matriz de colágeno a la rejilla se refiere al día 0. Las placas se incubaron a 37 °C con 5 % de CO2 durante 7 días para permitir que las células invadan. Se tomaron imágenes de las matrices de colágeno/fibroblastos los días 2 y 7.

Inmediatamente después de la obtención de imágenes OCT, se retiró la matriz de la rejilla y se añadió a un tubo Falcon con 5 ml de paraformaldehído (PFA) al 4 % (p/v) para fijarla durante la noche. La matriz de colágeno/fibroblastos fijada fue incluida en cera, seccionada y teñida con hematoxilina y eosina (H&E) por el Laboratorio de Patología y Fenómica del Centro CRUK de Edimburgo. Se tomaron imágenes de las secciones teñidas en el modelo Nanozoomer XR y los datos se capturaron mediante el escaneo NDP v 3.1. Aumento ×40.

Se compraron ojos de porcino recién enucleados al carnicero local. Para inducir una lesión corneal, se utilizó un punzón de biopsia de 5 mm para realizar un corte parcial en la córnea central hasta una profundidad de aproximadamente el 50%. Luego, se rellenó el defecto con una solución de fibroína de seda metacrilada (15 o 20% en peso) que contenía 0,5% (p/v) de fenil-2,4,6-trimetilbenzoilfosfinato de litio (LAP) y se fotoreticuló durante 5 minutos (365 nm, 3mW/cm2). Luego se tomaron imágenes de la córnea fresca, de la córnea lesionada y de la córnea reparada con hidrogel de fibroína de seda con OCT para medir la longitud de onda como se describió anteriormente. El módulo de almacenamiento (G) de los hidrogeles Silk-MA recién preparados se midió en modo oscilatorio a 32 °C utilizando una geometría placa-placa (Kinexus Pro+, Malvern, Reino Unido). Después de ejecutar un barrido de amplitud para determinar el rango viscoelástico lineal (LVER), se realizó un barrido de frecuencia con una deformación de corte del 0,5%. Los experimentos se realizaron por triplicado.

Para demostrar el concepto de elastografía vibratoria, se realizó un conjunto de simulaciones FEM, como se resume en la Fig. 6. Esto se realizó con code_aster43 en una malla que contenía una placa de poliestireno de 24 pocillos y un gel heterogéneo con una carga dinámica aplicada axialmente a una esquina. del plato. Había 36.000 nodos en el plano central del gel con un espesor de 2 mm y un diámetro de 10 mm, cuyas posiciones se tomaron muestras cada 10 μs durante un tiempo total de simulación de 5 ms. La señal de carga utilizada para la estimulación fue \(\sin (2\pi ft)/t\), donde f = 2 kHz, con la esquina opuesta fijada como condición de contorno; también se probaron otras combinaciones de cargas con campos de desplazamiento resultantes similares. y estimaciones.

a Muestra el gel asentado sobre la base sobre un pocillo. b Muestra las magnitudes de desplazamiento de la placa en t = 2 ms y t = 4 ms. c Muestra la fuerza de excitación aplicada a una esquina de la placa: una sinusoide de 2 kHz con una amplitud que decae exponencialmente. d Muestra un ejemplo de los desplazamientos diferenciales en la dirección axial en el centro del gel. e Muestra la longitud de onda estimada sobre la superficie del gel y la verdad del terreno suponiendo ondas de corte de 2 kHz. El panel f son gráficos de perfil que son las líneas indicadas en e.

Las longitudes de onda de las ondas elásticas resultantes en este caso sin ruido se estimaron utilizando la ecuación. (6). En primer lugar, las posiciones axiales en cada instancia de tiempo se volvieron a muestrear en una cuadrícula polar con origen en el centro del gel para que las deformaciones se estimaran a lo largo de secciones transversales efectivas como las utilizadas en la sección experimental. La estimación de la ecuación. (6) se aplicó a los 400 campos de desplazamiento (posición diferencial) entre t = [1, 4] ms. Finalmente, estas longitudes de onda se volvieron a muestrear en una cuadrícula cartesiana para formar una imagen.

Utilizamos una variante del método de borde Blonski44 también adoptada por la ref. 31 para la resolución espacial: primero ajustando la función sigmoidea

con el algoritmo de Levenberg-Marquardt para los parámetros (L, k, x0, C) y luego encontrar el ancho completo a la mitad del máximo (FWHM) de la derivada sigmoidea, que se puede expresar como

Utilizamos un ANOVA unidireccional seguido de una prueba de Tukey-Kramer en Matlab (The Mathworks) para probar diferencias significativas con valores de p <0,01 o <0,05 y un número de muestras N > 3.

Más información sobre el diseño de la investigación está disponible en el Resumen del informe de Nature Portfolio vinculado a este artículo.

Los conjuntos de datos de tomografía de coherencia óptica generados y/o analizados durante el estudio actual están disponibles del autor correspondiente a solicitud razonable. El conjunto de datos de mediciones detrás de los gráficos de barras se puede encontrar en figshare. https://doi.org/10.6084/m9.figshare.22148093.v3.

Los códigos de Matlab para implementar los algoritmos descritos en este artículo están disponibles del autor correspondiente previa solicitud razonable.

Guimarães, CF, Gasperini, L., Marques, AP & Reis, RL La rigidez de los tejidos vivos y sus implicaciones para la ingeniería de tejidos. Nat. Rev. Mater. 5, 351–370 (2020).

Artículo de Google Scholar

Wall, M. y col. Desarrollos clave que impactaron el campo de la mecanobiología y la mecanotransducción. J. Orthop. Res. 36, 605–619 (2018).

PubMed Google Académico

Mullender, M. y col. Mecanotransducción de células óseas in vitro: mecanobiología del tejido óseo. Medicina. Biol. Ing. Computadora. 42, 14-21 (2004).

Artículo CAS PubMed Google Scholar

Klein, TJ, Malda, J., Sah, RL y Hutmacher, DW Ingeniería tisular del cartílago articular con zonas biomiméticas. Ing. de Tejidos. B Rev. 15, 143–157 (2009).

Artículo CAS Google Scholar

Khoshgoftar, M., Wilson, W., Ito, K. y van Donkelaar, CC El efecto de las propiedades biomecánicas y bioquímicas del cartílago diseñado mediante ingeniería tisular sobre su comportamiento mecánico posterior a la implantación. Biomecánica. Modelo. Mecanobiol. 12, 43–54 (2013).

Artículo de Google Scholar

Baas, E., Kuiper, JH, Yang, Y., Wood, MA y El Haj, AJ El crecimiento óseo in vitro responde a la tensión mecánica local en estructuras de polímeros tridimensionales. J. Biomecánica. 43, 733–739 (2010).

Artículo de Google Scholar

Luo, L., Chu, JYJ, Eswaramoorthy, R., Mulhall, KJ y Kelly, DJ Ingeniería de tejidos que imitan la naturaleza zonal del cartílago articular utilizando explantes de cartílago descelularizado sembrados con células madre adultas. ACS Biomater. Ciencia. Ing. 3, 1933-1943 (2017).

Artículo CAS PubMed Google Scholar

Luo, L., Thorpe, SD, Buckley, CT y Kelly, DJ Los efectos de la compresión dinámica en el desarrollo de injertos de cartílago diseñados utilizando células madre derivadas de médula ósea y grasa infrapatelar. Biomédica. Madre. 10, 055011 (2015).

Artículo PubMed Google Scholar

Luo, L., O'Reilly, AR, Thorpe, SD, Buckley, CT y Kelly, DJ Ingeniería de tejido cartilaginoso zonal mediante la modulación de los niveles de oxígeno y señales mecánicas a través de la profundidad de los hidrogeles cargados de células madre de la almohadilla de grasa infrapatelar. J. Tejido Ing. Regeneración. Medicina. 11, 2613–2628 (2017).

Artículo CAS PubMed Google Scholar

Suresh, S. Pistas elásticas en la detección del cáncer. Nat. Nanotecnología. 2, 748–749 (2007).

Artículo CAS PubMed Google Scholar

Xu, X., Farach-Carson, MC & Jia, X. Modelos de tumores in vitro tridimensionales para la investigación del cáncer y la evaluación de fármacos. Biotecnología. Adv. 32, 1256-1268 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Xu, M., Lerner, AL, Funkenbusch, PD, Richhariya, A. y Yoon, G. Sensibilidad del comportamiento biomecánico y óptico de la córnea a los parámetros materiales utilizando el método de diseño de experimentos. Computadora. Métodos Biomecánicos. Biomédica. Ing. 21, 287–296 (2018).

Artículo de Google Scholar

Nguyen, BV y cols. Propiedades biomecánicas de condrocitos y condrocitos individuales determinadas mediante micromanipulación y modelado de elementos finitos. JR Soc. Interfaz 7, 1723-1733 (2010).

Artículo PubMed PubMed Central Google Scholar

Nguyen, BV y cols. Comportamiento viscoelástico dependiente de la tensión y fuerza de ruptura de condrocitos individuales y condrocitos bajo compresión. Biotecnología. Letón. 31, 803–809 (2009).

Artículo CAS PubMed Google Scholar

Krouskop, TA, Dougherty, DR y Vinson, FS Un sistema ultrasónico Doppler pulsado para realizar mediciones no invasivas de las propiedades mecánicas del tejido blando. J. Rehabilitación. Res. Desarrollo. 24, 1–8 (1987).

CAS PubMed Google Académico

Muthupillai, R. y col. Elastografía por resonancia magnética mediante visualización directa de la propagación de ondas de tensión acústica. Ciencia 269, 1854–1857 (1995).

Artículo CAS PubMed Google Scholar

Kennedy, BF, Wijesinghe, P. y Sampson, DD La aparición de la elastografía óptica en biomedicina. Nat. Fotón. 11, 215–221 (2017).

Artículo CAS Google Scholar

Fujimoto, JG, Pitris, C., Boppart, SA y Brezinski, ME Tomografía de coherencia óptica: una tecnología emergente para imágenes biomédicas y biopsia óptica. Neoplasia 2, 9–25 (2000).

Artículo CAS PubMed PubMed Central Google Scholar

Wojtkowski, M. y col. Tomografía de coherencia óptica de dominio de Fourier de resolución ultraalta, alta velocidad y métodos para compensación de dispersión. Óptica Express 12, 2404–2422 (2004).

Artículo PubMed Google Scholar

Zvyagin, AV, Smith, EDJ & Sampson, DD Características de retardo y dispersión de una línea de retardo óptico en el dominio de la frecuencia para interferometría de escaneo. J. Optar. Soc. Soy. A 20, 333 (2003).

Artículo de Google Scholar

Rogowska, J. Técnica de elastografía tomográfica de coherencia óptica para medir la deformación y la tensión de los tejidos ateroscleróticos. Corazón 90, 556–562 (2004).

Artículo CAS PubMed PubMed Central Google Scholar

Chan, R. y col. Elastografía arterial basada en OCT: estimación sólida que aprovecha la biomecánica del tejido. Óptica Express 12, 4558 (2004).

Artículo CAS PubMed Google Scholar

Wang, RK, Kirkpatrick, S. & Hinds, M. Elastografía de coherencia óptica sensible a la fase para mapear microdeformaciones tisulares en tiempo real. Aplica. Física. Letón. 90, 164105 (2007).

Artículo de Google Scholar

Larin, KV & Sampson, DD Elastografía de coherencia óptica: OCT en acción en la biomecánica de tejidos [Invitado]. Biomédica. Óptica Express 8, 1172–1202 (2017).

Artículo de Google Scholar

Wang, S. & Larin, KV Tomografía de coherencia óptica con imágenes de ondas de corte (SWI-OCT) para la biomecánica del tejido ocular. Óptica Lett. 39, 41 (2014).

Artículo CAS Google Scholar

Rajput, S. y Thakur, NK en Controles geológicos para formaciones de hidratos de gas y no convencionales 131–164 (Elsevier, 2016).

Ramier, A. y col. Medición in vivo del módulo de corte de la córnea humana mediante elastografía de coherencia óptica. Ciencia. Rep. 10, 17366 (2020).

Artículo CAS PubMed PubMed Central Google Scholar

Gallot, T. y col. Elastografía pasiva: tomografía de ondas de corte a partir de correlación fisiológica-ruido en tejidos blandos. Traducción IEEE. Ultrasónicos, control de frecuencia ferroeléctrico 58, 1122–1126 (2011).

Artículo de Google Scholar

Catheline, S. y col. Tomografía de ondas difusas: imágenes de ondas de corte pasivas utilizando escáneres de baja velocidad de fotogramas. Aplica. Física. Letón. 103, 014101 (2013).

Artículo de Google Scholar

Nguyen, T.-M. et al. Imágenes de ondas de corte difusas: hacia la elastografía pasiva utilizando tomografía de coherencia óptica de dominio espectral de baja frecuencia de fotogramas. J. Biomed. Óptica 21, 126013 (2016).

Artículo de Google Scholar

Zvietcovich, F., Pongchalee, P., Meemon, P., Rolland, JP y Parker, KJ La elastografía de coherencia óptica 3D reverberante mapea la elasticidad de las capas corneales individuales. Nat. Comunitario. 10, 4895 (2019).

Artículo PubMed PubMed Central Google Scholar

Hyle Park, B. y col. Tomografía de coherencia óptica de dominio espectral multifuncional basada en fibra en tiempo real a 13 μm. Óptica Express 13, 3931 (2005).

Artículo de Google Scholar

Kennedy, BF y cols. Estimación de deformaciones en elastografía de coherencia óptica sensible a fases. Biomédica. Óptica Express 3, 1865 (2012).

Artículo de Google Scholar

Hochmuth, RM Aspiración con micropipeta de células vivas. J. Biomecánica. 33, 15-22 (2000).

Artículo CAS Google Scholar

Yanez, LZ, Han, J., Behr, BB, Pera, RAR y Camarillo, DB El potencial de desarrollo de los ovocitos humanos se predice mediante propiedades mecánicas pocas horas después de la fertilización. Nat. Comunitario. 7, 10809 (2016).

Artículo CAS PubMed PubMed Central Google Scholar

Wen, D. y col. La variante de histona H3.3 es un factor materno esencial para la reprogramación de ovocitos. Proc. Acad. Nacional. Ciencia. Estados Unidos 111, 7325–7330 (2014).

Artículo CAS PubMed PubMed Central Google Scholar

Grasland-Mongrain, P. et al. Imágenes ultrarrápidas de la elasticidad celular con microelastografía óptica. Proc. Acad. Nacional. Ciencia. Estados Unidos 115, 861–866 (2018).

Artículo CAS PubMed PubMed Central Google Scholar

Sabra, KG, Conti, S., Roux, P. y Kuperman, WA Elastografía pasiva in vivo a partir del ruido del músculo esquelético. Aplica. Física. Letón. 90, 194101 (2007).

Artículo de Google Scholar

Sun, M. & Star-Lack, JM Corrección de dispersión mejorada mediante superposición de núcleo de dispersión adaptativa. Física. Medicina. Biol. 55, 6695–6720 (2010).

Artículo CAS PubMed Google Scholar

Yan, Y. et al. Caracterización mecánica de micropartículas de agarosa con una distribución de tamaño estrecha. Tecnología en polvo. 192, 122-130 (2009).

Artículo CAS Google Scholar

Timpson, P. y col. Ensayo de colágeno organotípico I: una plataforma maleable para evaluar el comportamiento celular en un contexto tridimensional. J. Vis. Exp. http://www.jove.com/details.php?id=3089 (2011).

Hallas-Potts, A., Dawson, JC y Herrington, CS Las líneas celulares de cáncer de ovario derivadas de carcinomas no serosos migran e invaden de manera más agresiva que las derivadas de carcinomas serosos de alto grado. Ciencia. Rep. 9, 5515 (2019).

Artículo PubMed PubMed Central Google Scholar

Electricidad de Francia. Elementos finitos code_aster, análisis de estructuras y termomecánica para estudios e investigaciones. Código abierto en www.code-aster.org (2019).

Blonski, S., Pagnutti, MA, Ryan, R. y Zanoni, V. Mediciones de respuesta de borde en vuelo para sistemas de detección remota de alta resolución espacial. Proc. SPIE 4814, 317–326 (2002).

Descargar referencias

Nos gustaría agradecer el apoyo de un premio ERC Advanced a AJEH; 638836: H2020_ERC_DYNACEUTICS y el centro MRC UKRMP Ingeniería del entorno celular.

Estos autores contribuyeron igualmente: Jonathan H. Mason, Lu Luo.

Centro MRC de Medicina Regenerativa, Universidad de Edimburgo, Edimburgo, Reino Unido

Jonathan H. Mason, Amelia Hallas-Potts, Vlastimil Srsen y Pierre O. Bagnaninchi

Instituto de Tecnología Sanitaria, Universidad de Birmingham, Birmingham, Reino Unido

Lu Luo & Alicia J. El Haj

Departamento de Ingeniería, Nottingham Trent University, Nottingham, Reino Unido

Yvonne Reinwald

Instituto de Matemáticas, Universidad de Oxford, Oxford, Reino Unido

Matteo Taffetani y Sarah Aguas

Cancer Research UK Edinburgh Centre, Universidad de Edimburgo, Edimburgo, Reino Unido

Amelia Hallas-Potts y C. Simon Herrington

Centro MRC para la Salud Reproductiva, Universidad de Edimburgo, Edimburgo, Reino Unido

Chih-Jen Lin

Escuela de Ingeniería Química, Universidad de Birmingham, Birmingham, Reino Unido

Inês A. Barroso, Zhihua Zhang, Zhibing Zhang y Anita K. Ghag

Instituto de Ciencia y Tecnología en Medicina, Universidad de Keele, Stoke-on-Trent, Reino Unido

Ying Yang

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

JHM, LL, YR, YY, SW, AJEH y PB diseñaron el estudio, los experimentos y escribieron el artículo. JHM escribió el algoritmo. JHM y LL adquirieron exploraciones OCT. JHM, LL, YR, MF, AHP, VS, CJL, IAB, ZZ y AKG realizaron los experimentos. JHM, LL, CSH, AJEH y PB analizaron los datos.

Correspondencia a Alice J. El Haj o Pierre O. Bagnaninchi.

Los autores declaran no tener conflictos de intereses.

Communications Biology agradece a Stefan Catheline y a los demás revisores anónimos por su contribución a la revisión por pares de este trabajo. Editores principales: Alexander Cartagena-Rivera, Anam Akhtar y Christina Karlsson Rosenthal.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Mason, JH, Luo, L., Reinwald, Y. et al. Elastografía de coherencia óptica de vibraciones ambientales desviadas para perfilar las propiedades mecánicas de células, organoides y tejidos. Común Biol 6, 543 (2023). https://doi.org/10.1038/s42003-023-04788-0

Descargar cita

Recibido: 13 de septiembre de 2021

Aceptado: 31 de marzo de 2023

Publicado: 18 de mayo de 2023

DOI: https://doi.org/10.1038/s42003-023-04788-0

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.