• algoritmi evolutivi
• evolutionary algorithm
• in vitro models
• lightsheet microscopy.
• microscopia lightsheet. in silico models
• modelli in silico
• modelli in vitro

Questa tesi presenta un approccio alla multiscala per la progettazione di ‘gemelli digitali’ di costrutti tissutali ingegnerizzati.
In particolare, Evolvoid è un modello in silico su scala macroscopica basato su Algoritmi Genetici, in grado di identificare la morfologia ottimale di aggregati cellulari autoassemblanti in risposta a vincoli biofisici predefiniti. Evolvoid determina il genoma dell’individuo più adatto della popolazione iterativamente attraverso le generazioni, guidato da una funzione di fitness appositamente definita. Le morfometriche sono state estratte e confrontate con quelle degli sferoidi autoassemblati di HepG2 generati attraverso una pipeline sperimentale.
D'altra parte, Nebuloid, un modello ad agenti, consente la modellazione dell’attività metabolica a livello cellulare sfruttando un approccio su scala microscopica. Infatti, il confronto con il tradizionale modello in silico dei costrutti cellulari mostra discrepanze nel tasso metabolico complessivo . Inoltre, dati sperimentali e indici quantitativi sono stati utilizzati per affinare il modello.
Sia Evolvoid che Nebuloid rappresentano progressi significativi nello sviluppo di modelli alternativi di nuova generazione agli animali, con il potenziale di perfezionare i modelli in vitro nella ricerca biomedica. In questa prospettiva, la loro integrazione potrebbe aprire la strada allo sviluppo di un lab-on-a-laptop, offrendo un modo sostenibile per condurre esperimenti.

This thesis presents a multiscale approach for designing digital twins of tissue engineered constructs. In particular, Evolvoid is a macroscale in silico model based on Genetic Algorithms able to identify the optimal morphology of self-assembling cell aggregates responding to predefined biophysical constraints. Evolvoid determines the genome of the fittest individual of the population iteratively throughout generations, driven by an ad hoc fitness function. Morphometrics were extracted and compared to those of HepG2 self-assembled spheroids generated through an experimental pipeline. Evolvoid was validated showing both a quantitative and qualitative biological resemblance. On the other hand, Nebuloid, an agent-based model, accounts for modelling metabolic activity at the cell-level exploiting a microscale approach. In fact, the comparison with the traditional in silico model of cellular- constructs shows discrepancies in the overall metabolic rate (B). Moreover, experimental data and quantitative index (e.g., proximity index, PI) were exploited for refining the model. Both Evolvoid and Nebuloid represent groundbreaking advancements in the development of next-generation alternative models to animals, with the potential for refining, reducing and replacing even in vitro models in biomedical research. In this perspective, their integration could pave the way for the development of a lab-on-a-laptop as a sustainable way for conducting high-throughput experiments.