Gewebebaukasten mit integrierter Sensorik

Kurzbeschreibung

Bei der Entwicklung neuer Pharmaka wie auch bei der Beurteilung biologischer, chemischer oder physikalischer Risiken gewinnen im Labor kultivierte 3D Gewebemodelle zunehmend an Bedeutung gegenüber weniger wirklichkeitsnahen, aber bislang üblicherweise eingesetzten 2D Zellschichten. Neben den in der Entwicklung weit fortgeschrittenen biologischen Gewebemodellen sind analytische Mess- und Analysemethoden gefragt, um die Reaktion der Zellen auf externe Stimuli möglichst quantitativ messbar zu machen. Bislang muss man dazu in der Regel das Gewebe zerlegen, um auch an die tiefer liegenden Zellen heranzukommen.

Im Projekt TissueSense verfolgen Forscherinnen und Forscher der Fraunhofer EMFT ein grundlegend neues Konzept: Anstatt nachträglich sensorische Funktionen (Elektroden, Nanosonden) in die Modellgewebe einzubringen oder sie nach einer vorgegebenen Expositionszeit zur Analyse zu zerlegen, wird das 3D Gewebemodell ähnlich einem Baukastenprinzip aus einzelnen Lagen schichtweise zusammengesetzt. Die Anzucht der einzelnen Gewebelagen erfolgt zunächst in 2D durch Kultur von Zellmonoschichten auf dünnen, porösen Polymerträgern mit integrierten Signalwandlern. Nachträglich werden die Gewebelagen schichtweise aus diesen 2D Konstrukten zusammengesetzt. Da die Polymerträger eine poröse Struktur haben, treten die einzelnen Zellschichten nach dem Zusammenbau zu einem 3D Konstrukt miteinander in Kontakt und können Substanzen austauschen. Die Ausstattung der Polymerträger mit Signalwandlern erlaubt es, chemische oder physikalische Informationen jeder individuellen Zellschicht des 3D Gewebemodells nicht-invasiv und in Echtzeit nach außen abzuleiten.

Anwendung

Vor allem beim Screening von Substanzbibliotheken an maßgeschneiderten Organmodellen eröffnen sich dadurch gänzlich neue Perspektiven im Hinblick auf die Qualität der zugänglichen biomedizinischen Information sowie für die Ökonomie und den Durchsatz derartiger Testreihen.

Gefördert

Das Projekt wird seit dem 01.07.2018 im Rahmen des Fraunhofer-internen Programms Discover gefördert, Fördernummer 027600628.