基于折纸启发的超可扩展支架多目标优化及其在牵张成骨中的应用研究

推荐：针对牵张成骨(DO)中骨延长周期长、传统组织工程支架(TIS)无法适应大变形的问题，研究人员通过贝叶斯机器学习(BML)平台优化设计了一种折纸启发的超可扩展支架(OISES)。该支架在保持80%孔隙率和高表面积体积比(S/V)的同时，实现了可恢复的大变形，并通过流体-结构耦合(FSI)模拟验证了其动态适应机械-生物学需求的能力，为个性化治疗提供了新思路。

　　

牵张成骨（Distraction Osteogenesis, DO）是治疗大段骨缺损的重要技术，但其漫长的巩固期（通常数月）导致感染、骨不连等并发症高发。传统组织工程支架虽能促进骨再生，却无法适应DO过程中持续扩增的骨间隙（Osteotomy Gap, OG）——这就像试图用固定尺寸的脚手架搭建不断长高的楼房。更棘手的是，支架的孔隙率、机械性能与流体传输能力相互制约：高孔隙率利于营养输送但削弱力学支撑，而增强刚度又可能阻碍细胞迁移。如何设计能动态适应OG扩展的智能支架，成为临床转化的关键瓶颈。

蒙特利尔理工大学MA Bagheri团队在《Materials Chemistry and Physics》发表研究，创新性地将折纸艺术（Origami）的变形原理引入支架设计。受Kresling折纸结构启发，他们开发出超可扩展支架（Origami-Inspired Super-Expandable Scaffold, OISES），通过贝叶斯机器学习（Bayesian Machine Learning, BML）平台对支架的支柱直径(d_strut)、取向角(?)等参数进行多目标优化，最终获得能同步满足机械支撑与生物传质需求的智能结构。

研究采用四大关键技术：1）基于Sobol序列采样的高维设计空间探索，构建包含1500种单元构型的数据库；2）高斯过程回归（GPR）建立设计参数与孔隙率/P、表面积体积比S/V等目标的预测模型；3）帕累托前沿分析平衡弹性模量(E)、应变能密度(U)等冲突指标；4）选择性激光烧结（SLS）3D打印制造优化支架，结合流体-结构相互作用（FSI）模拟验证性能。

材料与方法

研究设计了两类支架构型：4单元笼（4UC，h=5mm）和2单元笼（2UC，h=10mm）。通过有限元分析量化压缩至25%应变时的局部应变分布，并采用计算流体动力学（CFD）模拟变形前后的渗透率(k)和壁面剪切应力(WSS)。

结果

1. 1.

   可折叠性分类：高斯过程分类器显示，2UC设计在d_strut/h<0.02时易失稳，而4UC构型在更广参数范围内保持可折叠性。

2. 2.

   机械性能预测：GPR模型（R²>0.98）表明，减小d_cell/h可使S/V提升300%（4UC达2.6mm^-1，2UC达4mm^-1），而?对旋转角ψ的控制作用比d_strut强5倍。

3. 3.

   多目标优化：帕累托最优解显示，当孔隙率锁定80%时，模型A（最大化E）的E_eff/E_bulk达1.28×10^-3，而模型B（最大化U）实现33kJ/m³应变能。

4. 4.

   流体动力学验证：25%压缩使渗透率下降48-55%（如4UC从2.7×10^-8m²降至1.4×10^-8m²），但WSS提升2倍，可能增强早期成骨刺激。

讨论与意义

该研究首次将折纸结构的几何可编程性与机器学习驱动的多目标优化结合，解决了DO支架的"变形适应性悖论"。与传统三周期极小表面（TPMS）支架相比，OISES在保持80%孔隙率的同时，通过可控折叠实现100%以上的可恢复变形——这相当于用橡皮筋的延展性完成钢架的承重任务。更巧妙的是，压缩导致的渗透率下降与WSS上升形成动态平衡：早期高WSS促进细胞分化，后期增加的流阻反而可能延缓营养耗竭，恰好匹配DO不同阶段的生物学需求。

未来通过选用聚己内酯（PCL）等可降解材料，结合表面生物活化修饰，OISES有望成为首个临床适用的动态骨再生支架。该方法学框架还可拓展至软骨、血管等需机械适应性的组织工程领域，为再生医学提供新的"智能脚手架"设计范式。