近年来，三维工程化组织技术快速发展，在疾病模型构建、组织工程、器官制备、生物混合机器人等多个研究领域取得了长足进步。工程化组织构件的存活与功能发挥，和内部血管化水平密切相关。血管网络可为组织输送营养、氧气，并及时移除代谢废物，是维持组织活性的核心结构。
天然血管具备典型的多级分支结构，从粗大的动脉、静脉逐步延伸至微米级毛细血管。这种层级结构并非单纯生物演化结果，还具备重要生理功能：一方面可最大化物质交换表面积，保障营养与气体高效交换；另一方面能够优化流体力学状态，降低血流阻力，确保组织深层细胞也可获得充足灌注与物质扩散。因此，在三维人工组织中复刻天然血管的多级结构，是构建具备完整生理功能工程化组织的关键。
现阶段血管网络制备仍存在诸多技术瓶颈。依靠细胞自主迁移与自组装形成血管的方式，无法精准控制血管尺寸、几何形态与分支结构，难以定制化构建目标血管网络。主流光固化生物打印技术虽可制备复杂三维结构，但难以成型直径小于 100 μm 的微通道，应用于软性大块组织构建时局限性显著。
牺牲材料成型法是制备微通道的主流方案之一，挤出打印、熔融静电纺丝、选择性激光烧结、液态金属牺牲模板等技术均被用于制作牺牲模板，但这类方法大多需要复杂的前置组装与后处理工序，难以构建连通性良好的多级血管网络。嵌入式挤出打印可直接在组织基质内打印牺牲结构，省去后期组装步骤，然而该技术高度依赖支撑浴的流变与力学性能，打印分辨率受喷嘴尺寸限制，同时组织基质的整体形态也会被容器约束。因此，开发一种兼顾超高分辨率、高效成型、参数可实时调控的血管网络制备技术，成为组织工程领域亟待突破的难题。
成果简介
近日，圣母大学Yanliang Zhang、哈佛医学院Yu Shrike Zhang等人提出一种机器学习增强型混合生物打印策略，将气溶胶喷射打印（AJP）与高通量挤出打印（EP）相结合，突破了传统牺牲材料打印的分辨率极限。该技术实现10 μm 以下的打印精度，可构建类毛细血管通道，且能够实时动态调节血管管径；借助约束贝叶斯优化算法快速筛选最优打印参数，无需大量反复试错，即可高保真制备目标尺寸通道。该体系可一体化成型一维导管、二维分支网络及三维多级复杂血管结构；将内皮细胞接种于通道内部后，可形成连续且具备生理功能的内皮单层结构，细胞存活率与增殖能力表现优异，同时显著降低通道通透性。这项技术为仿生血管制备提供了全新路径，在组织工程、再生医学与药物筛选领域具备广阔应用前景。
三维血管化组织的混合生物打印
研究选用明胶作为牺牲材料，该材料打印性能优异，可在体温及以下温度的温水、缓冲液或细胞培养液中液化去除，且相较于盐基牺牲材料，在水凝胶基质内具备更优异的表面平整度、结构稳定性与空间分辨率。为抑制打印过程中墨滴快速蒸发，在明胶墨水内添加生物相容性保湿剂甘油，最终确定配方为 1.5 wt% 明胶溶解于体积分数 5.0% 的甘油-水溶液，经 55 ℃恒温加热 12 h后，在 40 ℃条件下具备理想流动性，室温下可快速形成物理凝胶。
基质材料选取甲基丙烯酸明胶（GelMA），该材料拥有良好的细胞相容性。实验对 5 wt%~12.5 wt% 不同浓度 GelMA 墨水进行测试，结果表明 7.5 wt% 及以上浓度的 GelMA 基质表面稳定，可精准承载气溶胶喷射打印的丝材并形成可灌注通道；12.5 wt% GelMA 墨水具备明显的剪切变稀特性与快速黏度恢复能力，室温打印区间内黏弹性稳定，可稳定挤出并保持结构形态。原子力显微镜检测证实，气溶胶喷射打印过程不会破坏 GelMA 基质的力学完整性。
打印过程中，设备交替完成气溶胶喷射打印与挤出打印，依托自研程序实现两种打印模式的自动化协同。整体结构打印完成后，利用紫外光对 GelMA 基质进行光交联固化，随后将构件置于 37 ℃温水中，并向通道内灌注温水，彻底溶解除去明胶牺牲材料，最终得到完整三维血管网络。残余物质检测结果显示，牺牲墨水引入的甘油去除率可达 91.4%，基质内残留甘油浓度远低于细胞毒性阈值，与人体组织生理浓度处于同一水平，不会影响细胞正常存活。
图 1 | 机器学习增强型高分辨率混合生物打印技术
机器学习引导的打印参数优化
气溶胶喷射打印效果受载气流量、鞘气流量、打印速度、打印层数、喷嘴尺寸等多重参数影响，且各参数相互耦合，传统试错法筛选最优参数效率极低。本研究搭建约束贝叶斯优化框架，系统探究各项参数对明胶牺牲丝材几何尺寸与打印质量的影响。
实验结果表明，在不同规格喷嘴下，鞘气流量提升会增强气动聚焦效应，使丝材线宽快速减小，达到临界值后趋于稳定；载气流量增大则会提升材料沉积量，造成丝材线宽与厚度同步增加。喷嘴直径直接决定可成型丝材的尺寸区间，采用 50 μm 内径喷嘴时，借助强气动聚焦效应可打印出最小宽度仅 5 μm 的丝材；打印层数与丝材厚度呈线性正相关，打印速度提升会减少墨水沉积量，同步降低丝材线宽与厚度。研究还通过自主开发的图像处理算法量化打印质量，明确了鞘气与载气流量的最优匹配区间，偏离该区间会出现喷溅、边缘粗糙等缺陷。
基于上述规律，研究采用约束贝叶斯优化算法，以通道尺寸为优化目标、打印质量为约束条件开展参数寻优。该算法可根据墨水配方、环境温湿度的变化自适应调整模型，鲁棒性较强。多组验证实验显示，该方法平均仅需 8 次迭代即可锁定最优参数，目标线宽匹配度可达 95% 以上；即便改变墨水配比、环境温湿度等实验条件，算法依旧能快速收敛，迭代次数无显著差异。该闭环优化方案不仅适用于本套混合打印体系，也可为多材料、多工艺增材制造的参数自动化优化提供通用思路。
图 2 | 牺牲材料气溶胶喷射打印的工艺 - 性能关系及约束贝叶斯优化
一维、二维与三维血管结构打印
研究利用该混合打印体系，依次完成不同维度血管结构的制备。一维结构方面，通过调节气流量，使用同一喷嘴即可成型 40 μm~140 μm 区间内不同宽度的直线微通道，还复刻出心血管疾病常用的血管狭窄模型，在短距离内实现管径由 160 μm 至 80 μm 的连续收缩；采用 50 μm 喷嘴成功制备出宽度 5.6 μm 的超细通道，充分体现技术的超高分辨率。
二维多级血管网络可遵循默里定律设计分支结构，保障分支间流体阻力均衡，流体仿真与灌注实验证实网络内流量分布均匀。研究还制备出高密度分支网络，相邻通道最小间距可达 5 μm，接近组织氧气扩散临界距离；同时成型入口单一、出口多达 32 个的树状分支结构，管径从入口 190 μm 逐步缩减至出口约 9 μm，将毛细血管级分辨率拓展至二维复杂网络。
三维层面，研究在不同高度制备相互独立的双层微通道，借助荧光染料灌注可清晰区分通道走向；进一步构建单通道分化为 19 条子通道的复杂三维多级血管网络，实现多层、空间交错的血管结构成型。该技术还可打印无外部支撑的自立式 GelMA 构件，成型的二维、三维血管网络结构稳定、通道形态完好。对比现有主流三维打印技术，本方法可实现 10 μm 以下超高分辨率，无需后期组装，可制备从简单直通道到三维斜向分支的各类血管结构，仅在全缠绕式复杂三维网络成型方面仍存在一定挑战。
图 3 | 一维、二维与三维血管网络的明场及荧光成像
生物功能验证
研究将人脐静脉内皮细胞（HUVECs）灌注植入打印通道内，开展内皮化及功能评价。细胞接种 6 h 内即可完成贴附与铺展，GelMA 水凝胶中的精氨酸 - 甘氨酸- 天冬氨酸序列可为细胞提供良好附着位点。流体仿真显示，不同尺寸、不同截面形态通道内的剪切应力处于体内血管生理范围，不会对细胞造成损伤。
长时间培养结果表明，通道内内皮细胞可不断增殖、延展，形成完整连续的内皮单层；培养 1 天、3 天、10 天后，细胞存活率维持在 85%~95%。免疫荧光染色检测到 CD31、血管内皮钙黏蛋白等特异性标志物正常表达，证明细胞间形成紧密连接。针对多级分支血管的实验显示，内皮细胞可在不同管径、分支节点处正常生长，整个网络通道保持通畅。
大分子通透性实验结果显示，空载通道的荧光葡聚糖扩散通透性显著高于内皮化通道；随着培养时间延长，内皮屏障功能持续完善，培养 14 天后通道通透性进一步下降。利用组胺处理内皮化通道，可诱导细胞骨架重塑、内皮屏障受损，通道通透性明显上升，该响应特征与体内及体外经典血管模型一致，证实打印血管具备真实的血管生理应答能力。此外，研究还在含成纤维细胞的血管化组织构件中实现内皮细胞与基质细胞共培养，验证了该体系构建复合组织的可行性。
图 4 | 打印通道的内皮化与细胞接种表征
图 5 | 内皮屏障通透性及响应特性的功能检测
小结
本研究融合气溶胶喷射打印与挤出打印技术，结合约束贝叶斯机器学习算法，开发出一套一体化混合生物打印体系，有效解决了传统技术难以兼顾高分辨率、复杂多级结构成型与流程简化的痛点。该技术达成亚 10 μm毛细血管级打印精度，可实时调控血管管径，依托智能算法快速完成参数优化，大幅降低实验试错成本。
打印所得的多级血管网络结构规整、连通性优异，内皮细胞可在通道内形成功能完整的内皮屏障，细胞活性、增殖能力及生理应答特性均符合体内血管特征。目前该技术在超微通道细胞接种、大尺寸器官级构件规模化制备等方面仍存在优化空间，后续可通过多喷嘴阵列、复合光固化工艺、血管拓扑设计模型联用等方式进一步完善。
整体而言，这项工作建立了一套高效、高精度的仿生血管制备新方法，为三维血管化组织、类器官构建奠定了技术基础，同时在再生医学、药物筛选、微反应器、芯片实验室等多个领域具备重要的应用价值。
参考文献：
Liao, Y., Gallegos-Martínez, S., Kuang, X. et al. Hybrid bioprinting of hierarchical vascular networks at capillary-scale resolution. Nat Chem Eng (2026).
https://doi.org/10.1038/s44286-026-00396-x
来源：奇物论
