generation-shear-adhesion-map-using-synvivo-synthetic-microvascular

Generation of Shear Adhesion Map Using SynVivo Synthetic Microvascular Networks

Cell/particle adhesion assays are critical to understanding the biochemical interactions involved in disease pathophysiology and have important ...

CFD RESEARCH CORPORATION

We have developed a methodology to study particle adhesion in the microvascular environment using microfluidic, image-derived microvascular networks on a chip accompanied by Computational Fluid Dynamics (CFD) analysis of fluid flow and particle adhesion. Microfluidic networks, obtained from digitization of in vivo microvascular topology were prototyped using soft-lithography techniques to obtain semicircular cross sectional microvascular networks in polydimethylsiloxane (PDMS). Dye perfusion studies indicated the presence of well-perfused as well as stagnant regions in a given network. Furthermore, microparticle adhesion to antibody coated networks was found to be spatially non-uniform as well. These findings were broadly corroborated in the CFD analyses. Detailed information on shear rates and particle fluxes in the entire network, obtained from the CFD models, were used to show global adhesion trends to be qualitatively consistent with current knowledge obtained using flow chambers. However, in comparison with a flow chamber, this method represents and incorporates elements of size and complex morphology of the microvasculature. Particle adhesion was found to be significantly localized near the bifurcations in comparison with the straight sections over the entire network, an effect not observable with flow chambers. In addition, the microvascular network chips are resource effective by providing data on particle adhesion over physiologically relevant shear range from even a single experiment. The microfluidic microvascular networks developed in this study can be readily used to gain fundamental insights into the processes leading to particle adhesion in the microvasculature.

Synthetic microvascular networks for quantitative analysis of particle adhesion.

Existing microfluidic devices, e.g. parallel plate flow chambers, do not accurately depict the geometry of microvascular networks in vivo. We have developed a synthetic microvascular network (SMN) on a polydimethalsiloxane (PDMS) chip that can serve as an in vitro model of the bifurcations, tortuosities, and cross-sectional changes found in microvascular networks in vivo. Microvascular networks from a cremaster muscle were mapped using a modified Geographical Information System, and then used to manufacture the SMNs on a PDMS chip. The networks were cultured with bovine aortic endothelial cells (BAEC), which reached confluency 3-4 days after seeding. Propidium iodide staining indicated viable and healthy cells showing normal behavior in these networks. Anti-ICAM-1 conjugated 2-mum microspheres adhered to BAEC cells activated with TNF-alpha in significantly larger numbers compared to control IgG conjugated microspheres. This preferential adhesion suggests that cultured cells retain an intact cytokine response in the SMN. This microfluidic system can provide novel insight into characterization of drug delivery particles and dynamic flow conditions in microvascular networks.

A physiologically realistic in vitro model of microvascular networks.

Development of novel carriers and optimization of their design parameters has led to significant advances in the field of targeted drug delivery. Since carrier shape has recently been recognized as an important design parameter for drug delivery, we sought to investigate how carrier shape influences their flow in the vasculature and their ability to target the diseased site. Idealized synthetic microvascular networks (SMNs) were used for this purpose since they closely mimic key physical aspects of real vasculature and at the same time offer practical advantages in terms of ease of use and direct observation of particle flow. The attachment propensities of surface functionalized spheres, elliptical/circular disks and rods with dimensions ranging from 1microm to 20microm were compared by flowing them through bifurcating SMNs. Particles of different geometries exhibited remarkably different adhesion propensities. Moreover, introduction of a bifurcation as opposed to the commonly used linear channel resulted in significantly different flow and adhesion behaviors, which may have important implications in correlating these results to in vivo behavior. This study provides valuable information for design of carriers for targeted drug delivery.

Flow and adhesion of drug carriers in blood vessels depend on their shape: a study using model synthetic microvascular networks.

Leukocyte-endothelial interactions play central roles in many pathological conditions. However, the in vivo mechanisms responsible for nonuniform spatial distribution of adhering leukocytes to endothelial cells in microvascular networks are not clear. We used a combination of in vitro and in vivo methodologies to explain of this complex phenomenon. A mouse cremaster muscle model was used to study the spatial distribution of leukocyte-endothelial cell interaction in vivo. A PDMS-based synthetic microvascular network (SMN) device was used to study interactions of functionalized microspheres using a receptor-ligand system in a (endothelial) cell-free environment for the in vitro studies. Our in vivo and in vitro findings indicate that both leukocytes in vivo and microspheres in vitro preferentially adhere near bifurcation (within 1-2 diameters from the bifurcation). This adhesion pattern was found to be independent of the diameter of the vessels. These findings support our hypothesis that the fluidic patterns near bifurcations/junctions, and not the presence or cellular aspects of the system (e.g. cell deformation, cell signaling, heterogeneous distribution of adhesion molecules), is the main controlling factor behind the preferential adhesion patterns of leukocytes near bifurcations.

Preferential adhesion of leukocytes near bifurcations is endothelium independent.

Adherencia de la part&iacute;cula in vivo es dependiente sobre el medio ambiente de la microcirculaci&oacute;n, que cuenta con &uacute;nico anat&oacute;mico (bifurcaciones, tortuosidad, cambios transversales) y caracter&iacute;sticas fisiol&oacute;gicas (complejo hemodin&aacute;mica). Los mecanismos detr&aacute;s de estos fen&oacute;menos complejos no son bien entendidos. En este estudio, se utiliz&oacute; un modelo in vitro recientemente desarrollado de redes microvasculares, denominadas SMN, para la caracterizaci&oacute;n de patrones de adherencia de part&iacute;culas en la microcirculaci&oacute;n.

Bifurcaciones: puntos focales de adherencia de la part&iacute;cula en redes microvasculares.

&#x9897;&#x7C92;&#x7C98;&#x9644;&#x5728;&#x4F53;&#x5185;&#x662F;&#x4F9D;&#x8D56;&#x4E8E;&#x5FAE;&#x5FAA;&#x73AF;&#x73AF;&#x5883;&#x4E2D;&#xFF0C;&#x552F;&#x4E00;&#x7684;&#x529F;&#x80FD;&#x89E3;&#x5256; (&#x5206;&#x5C94;&#x3001; &#x66F2;&#x6298;&#x6027;&#x3001; &#x8DE8;&#x90E8;&#x95E8;&#x53D8;&#x5316;) &#x548C;&#x751F;&#x7406; (&#x590D;&#x6742;&#x7684;&#x8840;&#x6D41;&#x52A8;&#x529B;&#x5B66;) &#x7279;&#x6027;&#x3002;&#x8FD9;&#x4E9B;&#x590D;&#x6742;&#x7684;&#x73B0;&#x8C61;&#x80CC;&#x540E;&#x7684;&#x673A;&#x5236;&#x8FD8;&#x4E0D;&#x592A;&#x6E05;&#x695A;&#x3002;&#x5728;&#x6B64;&#x7814;&#x7A76;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x4F7F;&#x7528;&#x6700;&#x8FD1;&#x53D1;&#x8FBE;&#x56FD;&#x5BB6;&#x4F53;&#x5916;&#x5B9E;&#x9A8C;&#x6A21;&#x578B;&#x7684;&#x5FAE;&#x8840;&#x7BA1;&#x7F51;&#x7EDC;&#xFF0C;&#x79F0;&#x4E3A; SMN&#xFF0C;&#x8868;&#x5F81;&#x7C92;&#x5B50;&#x7C98;&#x9644;&#x6A21;&#x5F0F;&#x7684;&#x5FAE;&#x5FAA;&#x73AF;&#x3002;

&#x5206;&#x5C94;&#xFF1A; &#x7C92;&#x5B50;&#x7C98;&#x8FDE;&#x7684;&#x5FAE;&#x8840;&#x7BA1;&#x7F51;&#x7EDC;&#x7684;&#x8054;&#x7EDC;&#x70B9;&#x3002;

Particle adhesion in vivo is dependent on the microcirculation environment, which features unique anatomical (bifurcations, tortuosity, cross-sectional changes) and physiological (complex hemodynamics) characteristics. The mechanisms behind these complex phenomena are not well understood. In this study, we used a recently developed in vitro model of microvascular networks, called SMN, for characterizing particle adhesion patterns in the microcirculation.

Bifurcations: focal points of particle adhesion in microvascular networks.

Adh&eacute;rence de particules in vivo est tributaire de l&#39;environnement de la microcirculation, qui comporte un unique anatomique (bifurcations, tortuosit&eacute;, changements transversales) et les caract&eacute;ristiques physiologiques (complexe h&eacute;modynamique). M&eacute;canismes &agrave; l&#39;origine de ces ph&eacute;nom&egrave;nes complexes ne sont pas bien compris. Dans cette &eacute;tude, nous avons utilis&eacute; un mod&egrave;le in vitro r&eacute;cemment mis au point des r&eacute;seaux microvasculaires, appel&eacute;e SMN, pour caract&eacute;riser les patrons adh&eacute;rence de particules dans la microcirculation.

Les bifurcations : points focaux d&#39;adh&eacute;rence des particules dans les r&eacute;seaux microvasculaires.

Partikel Adh&auml;sion in-vivo ist abh&auml;ngig von der Mikrozirkulation-Umgebung, die einzigartige Funktionen anatomische (Bifurkationen, geschl&auml;ngelte, Querschnitt-&Auml;nderungen) und physiologischen (komplexe H&auml;modynamik) Merkmale. Die Mechanismen hinter diese komplexe Ph&auml;nomene sind nicht gut verstanden. In dieser Studie haben wir eine neu entwickelte in vitro Modell der mikrovaskul&auml;re Netzwerke, genannt SMN, zur Charakterisierung von Partikel-Adh&auml;sion-Muster in die Mikrozirkulation verwendet.

Bifurkationen: Schwerpunkte der Partikel-Adh&auml;sion in mikrovaskul&auml;re Netzwerke.

Adesione delle particelle in vivo dipende dall&#39;ambiente microcircolazione, che dispone di unico anatomiche (biforcazioni, tortuosit&agrave;, modifiche della sezione trasversale) e le caratteristiche fisiologiche (emodinamica complessa). I meccanismi dietro questi fenomeni complessi non sono ben compresi. In questo studio, abbiamo utilizzato un modello in vitro recentemente sviluppato delle reti microvascolare, chiamato SMN, per caratterizzare i modelli di adesione delle particelle nel microcircolo.

Biforcazioni: punti focali di adesione delle particelle nelle reti microvascolare.

&#x30D1;&#x30FC;&#x30C6;&#x30A3;&#x30AF;&#x30EB;&#x4ED8;&#x7740;&#x306E; in vivo &#x3067;&#x306F;&#x30E6;&#x30CB;&#x30FC;&#x30AF;&#x306A;&#x6A5F;&#x80FD;&#x3001;&#x5FAE;&#x5C0F;&#x5FAA;&#x74B0;&#x74B0;&#x5883;&#x306B;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x89E3;&#x5256;&#x5B66;&#x7684; &#xFF08;&#x5206;&#x5C90;, &#x86C7;&#x884C;, &#x65AD;&#x9762;&#x306E;&#x5909;&#x66F4;) &#x3068;&#x751F;&#x7406; &#xFF08;&#x8907;&#x96D1;&#x306A;&#x8840;&#x884C;&#x52D5;&#x614B;) &#x7279;&#x6027;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x8907;&#x96D1;&#x306A;&#x73FE;&#x8C61;&#x306E;&#x80CC;&#x5F8C;&#x306B;&#x3042;&#x308B;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x306F;&#x3088;&#x304F;&#x7406;&#x89E3;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x305B;&#x3093;&#x3002;&#x672C;&#x7814;&#x7A76;&#x3067;&#x306F;, &#x6700;&#x8FD1;&#x958B;&#x767A;&#x3057;&#x305F; in vitro &#x30E2;&#x30C7;&#x30EB; &#x30B5;&#x30F3;&#x30BF;&#x30DE;&#x30EA;&#x30A2;&#x30CE;&#x30F4;&#x30A7;&#x30C3;&#x30E9;&#x3001;&#x5FAE;&#x5C0F;&#x5FAA;&#x74B0;&#x306B;&#x304A;&#x3051;&#x308B;&#x7C92;&#x5B50;&#x4ED8;&#x7740;&#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x306E;&#x7279;&#x6027;&#x8A55;&#x4FA1;&#x3068;&#x547C;&#x3070;&#x308C;&#x308B;&#x3001;&#x5FAE;&#x5C0F;&#x8840;&#x7BA1;&#x69CB;&#x7BC9;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x307E;&#x3059;&#x3002;

&#x5206;&#x5C90;: &#x30D5;&#x30A9;&#x30FC;&#x30AB;&#x30EB; &#x30DD;&#x30A4;&#x30F3;&#x30C8;&#x306E;&#x8840;&#x7BA1;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306B;&#x304A;&#x3051;&#x308B;&#x7C92;&#x5B50;&#x4ED8;&#x7740;&#x3002;

&#xC785;&#xC790; &#xC811;&#xCC29; vivo&#xC5D0;&#xC11C; &#xB3C5;&#xD2B9;&#xD55C; &#xAE30;&#xB2A5; microcirculation &#xD658;&#xACBD;&#xC5D0; &#xB530;&#xB77C; &#xB2EC;&#xB77C; &#xC9D1;&#xB2C8;&#xB2E4; &#xD574;&#xBD80;&#xD559; (bifurcations, tortuosity, &#xB2E8;&#xBA74; &#xBCC0;&#xD654;) &#xBC0F; &#xC0DD;&#xB9AC; &#xC801; (&#xBCF5;&#xC7A1; &#xD55C; hemodynamics) &#xD2B9;&#xC131;. &#xC774;&#xB7EC;&#xD55C; &#xBCF5;&#xC7A1; &#xD55C; &#xD604;&#xC0C1; &#xB4A4;&#xC5D0; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC740; &#xC798; &#xC774;&#xD574; &#xB418;&#xC9C0; &#xC54A;&#xB294;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C;&#xB294; &#xBBF8;&#xC138; &#xD608;&#xAD00;&#xC5D0; &#xC785;&#xC790; &#xC811;&#xCC29; &#xD328;&#xD134; &#xD2B9;&#xC131;&#xD654; SMN, &#xB77C;&#xB294; microvascular &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC758; &#xCD5C;&#xADFC; &#xAC1C;&#xBC1C; &#xB41C; &#xCCB4; &#xC678; &#xBAA8;&#xB378;&#xC744; &#xC0AC;&#xC6A9; &#xD588;&#xC2B5;&#xB2C8;&#xB2E4;.

Bifurcations: &#xC785;&#xC790; &#xC811;&#xCC29; microvascular &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC5D0;&#xC11C;&#xC758; &#xCD08;&#xC810; &#xD3EC;&#xC778;&#xD2B8;.

&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x5FAE;&#x6D41;&#x63A7;&#x901A;&#x9053;&#x4E2D;&#x662F;&#x4E00;&#x4E2A;&#x590D;&#x6742;&#x7684;&#x8FC7;&#x7A0B;&#xFF0C;&#x53D6;&#x51B3;&#x4E8E;&#x7684;&#x51E0;&#x4F55;&#xFF0C;&#x591A;&#x79CD;&#x7ECF;&#x8425;&#xFF0C;&#x548C;&#x6750;&#x6599;&#x53C2;&#x6570;&#x5982;&#x5FAE;&#x901A;&#x9053;&#x51E0;&#x4F55;&#x6D41; velocity&#x2215;pressure&#xFF0C;&#x6DB2;&#x4F53;&#x7684;&#x8868;&#x9762;&#x5F20;&#x529B;&#x548C;&#x63A5;&#x89E6;&#x89D2;&#x7684;&#x901A;&#x9053;&#x8868;&#x9762;&#x3002;&#x704C;&#x88C5;&#x8FC7;&#x7A0B;&#x51C6;&#x786E;&#x5206;&#x6790;&#x53EF;&#x63D0;&#x4F9B;&#x5173;&#x952E;&#x6D1E;&#x5BDF;&#x7684;&#x704C;&#x88C5;&#x65F6;&#x95F4;&#x3001; &#x7A7A;&#x6C14;&#x6CE1;&#x6CAB;&#x9677;&#x5370;&#x548C;&#x6B7B;&#x533A;&#x5F62;&#x6210;&#xFF0C;&#x5E76;&#x5E2E;&#x52A9;&#x8BC4;&#x4F30;&#x5404;&#x79CD;&#x8BBE;&#x8BA1;&#x53C2;&#x6570;&#x548C;&#x6700;&#x4F73;&#x7684;&#x82AF;&#x7247;&#x8BBE;&#x8BA1;&#x5BFC;&#x81F4;&#x4E4B;&#x95F4;&#x7684;&#x6743;&#x8861;&#x3002;&#x7136;&#x800C;&#xFF0C;&#x9AD8;&#x6548;&#x5EFA;&#x6A21;&#x7684;&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x590D;&#x6742;&#x5FAE;&#x6D41;&#x63A7;&#x7F51;&#x7EDC;&#x4E2D;&#x4ECD;&#x7136;&#x662F;&#x4E00;&#x4E2A;&#x91CD;&#x5927;&#x7684;&#x6311;&#x6218;&#x3002;&#x9AD8;&#x4FDD;&#x771F;&#x7684;&#x8BA1;&#x7B97;&#x65B9;&#x6CD5;&#xFF0C;&#x5982;&#x6D41;&#x4F53;&#x4F53;&#x79EF;&#x6CD5;&#x7684;&#x662F;&#x6781;&#x5176;&#x6602;&#x8D35;&#xFF0C;&#x4ECE;&#x8BA1;&#x7B97;&#x7684;&#x89D2;&#x5EA6;&#x6765;&#x770B;&#x3002;&#x5206;&#x6790;&#x6A21;&#x578B;&#xFF0C;&#x53E6;&#x4E00;&#x65B9;&#x9762;&#xFF0C;&#x4E3B;&#x8981;&#x9002;&#x7528;&#x4E8E;&#x7406;&#x60F3;&#x5316;&#x7684;&#x51E0;&#x4F55;&#x56FE;&#x5F62;&#xFF0C;&#x5E76;&#x56E0;&#x6B64;&#xFF0C;&#x662F;&#x65E0;&#x6CD5;&#x51C6;&#x786E;&#x5730;&#x6355;&#x83B7;&#x82AF;&#x7247;&#x7EA7;&#x522B;&#x7684;&#x590D;&#x6742;&#x5FAE;&#x6D41;&#x63A7;&#x7CFB;&#x7EDF;&#x7684;&#x884C;&#x4E3A;&#x3002;&#x672C;&#x6587;&#x4ECB;&#x7ECD;&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x4E09;&#x7EF4; (3D) &#x5FAE;&#x6D41;&#x63A7;&#x7F51;&#x7EDC;&#x4E2D;&#x7684;&#x7CFB;&#x7EDF;&#x7EA7;&#x5206;&#x6790;&#x7684;&#x53C2;&#x6570;&#x5316;&#x52A8;&#x6001;&#x7684;&#x6A21;&#x578B;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#xFF0C;&#x5728;&#x590D;&#x6742;&#x7684;&#x5FAE;&#x6D41;&#x63A7;&#x7F51;&#x7EDC;&#x89E3;&#x6784;&#x4E3A;&#x4E00;&#x7EC4;&#x5E38;&#x7528;&#x7684;&#x7EC4;&#x4EF6;&#xFF0C;&#x5982;&#x6C34;&#x5E93;&#x3001; &#x5FAE;&#x901A;&#x9053;&#x548C;&#x8DEF;&#x53E3;&#x3002;&#x7EC4;&#x4EF6;&#x6839;&#x636E;&#x5176;&#x7A7A;&#x95F4;&#x5E03;&#x5C40;&#x548C;&#x64CD;&#x4F5C;&#x7684;&#x7406;&#x7531;&#xFF0C;&#x4EE5;&#x5B9E;&#x73B0;&#x5FEB;&#x901F;&#x7684;&#x7CFB;&#x7EDF;&#x7EA7;&#x6A21;&#x578B;&#x7136;&#x540E;&#x518D;&#x8FDB;&#x884C;&#x7EC4;&#x88C5;&#x3002;&#x4E00;&#x79CD;&#x57FA;&#x4E8E;&#x77AC;&#x6001;&#x52A8;&#x529B;&#x65B9;&#x7A0B;&#x7684;&#x52A8;&#x6001;&#x6A21;&#x578B;&#x7684;&#x5236;&#x5B9A;&#x662F;&#x4E3A;&#x4E86;&#x8DDF;&#x8E2A;&#x6DB2;&#x4F53;&#x524D;&#x9762;&#x5FAE;&#x901A;&#x9053;&#x4E2D;&#x3002;&#x5728;&#x4EA4;&#x754C;&#x5904;&#x7684;&#x8D28;&#x91CF;&#x5B88;&#x6052;&#x7684;&#x539F;&#x5219;&#x7528;&#x4E8E;&#x94FE;&#x63A5;&#x4E2D;&#x6240;&#x4EA7;&#x751F;&#x7684;&#x4EA4;&#x754C;&#x5904;&#x7684;&#x5FAE;&#x6D41;&#x63A7;&#x7684;&#x53C2;&#x6570;&#x3002;&#x8FD9;&#x4E9B;&#x7EC4;&#x4EF6;&#x6A21;&#x578B;&#x7684;&#x7A0B;&#x5E8F;&#x96C6;&#x751F;&#x6210;&#x4E00;&#x5957;&#x5DEE;&#x5206;&#x548C;&#x4EE3;&#x6570;&#x65B9;&#x7A0B;&#xFF0C;&#x6574;&#x5408;&#x540E;&#x63D0;&#x4F9B;&#x7684;&#x65F6;&#x7A7A;&#x4FE1;&#x606F;&#x7684;&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x8FC7;&#x7A0B;&#x3001; &#x7279;&#x522B;&#x662F;&#x6DB2;&#x4F53;&#x524D;&#x4F20;&#x64AD; &#xFF08;&#x5373;&#x5230;&#x8FBE;&#x65F6;&#x95F4;&#xFF09;&#x3002;&#x6A21;&#x578B;&#x7528;&#x6765;&#x6A21;&#x62DF;&#x77AC;&#x6001;&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x8FC7;&#x7A0B;&#x5728;&#x5404;&#x79CD;&#x5FAE;&#x6D41;&#x63A7;&#x6784;&#x9020;&#x548C;&#x591A;&#x8DEF;&#x590D;&#x7528;&#x5668;&#xFF0C;&#x4EE3;&#x8868;&#x590D;&#x6742;&#x5FAE;&#x6D41;&#x63A7;&#x7F51;&#x7EDC;&#x3002;&#x7CBE;&#x5EA6; &#xFF08;&#x76F8;&#x5BF9;&#x8BEF;&#x5DEE;&#x4F4E;&#x4E8E; 7%) &#x548C;&#x8BA2;&#x5355;&#x7684;&#x89C4;&#x6A21;&#x52A0;&#x901F; (30 000 X-4 000 000 X) &#x6211;&#x4EEC;&#x7684;&#x7CFB;&#x7EDF;&#x7EA7;&#x6A21;&#x578B;&#x7684;&#x9A8C;&#x8BC1;&#x901A;&#x8FC7;&#x6BD4;&#x8F83;&#x5BF9; 3D &#x7684;&#x9AD8;&#x4FDD;&#x771F;&#x6570;&#x503C;&#x6A21;&#x62DF;&#x7814;&#x7A76;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x660E;&#x786E;&#x5730;&#x5EFA;&#x7ACB;&#x6211;&#x4EEC;&#x7684;&#x6A21;&#x578B;&#x548C;&#x4EFF;&#x771F;&#x65B9;&#x6CD5;&#x5FEB;&#x901F;&#x3001; &#x53EF;&#x9760;&#x5206;&#x6790;&#x7684;&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x6307;&#x5BFC;&#x7684;&#x590D;&#x6742;&#x5FAE;&#x6D41;&#x63A7;&#x7F51;&#x7EDC;&#x4F18;&#x5316;&#x8BBE;&#x8BA1;&#x7684;&#x5B9E;&#x7528;&#x7A0B;&#x5E8F;&#x3002;

&#x6DB2;&#x4F53;&#x704C;&#x88C5;&#x5728;&#x5FAE;&#x6D41;&#x63A7;&#x82AF;&#x7247;&#x4E2D;&#x7684;&#x7CFB;&#x7EDF;&#x7EA7;&#x4EFF;&#x771F;&#x3002;

Liquid filling in microfluidic channels is a complex process that depends on a variety of geometric, operating, and material parameters such as microchannel geometry, flow velocityâˆ•pressure, liquid surface tension, and contact angle of channel surface. Accurate analysis of the filling process can provide key insights into the filling time, air bubble trapping, and dead zone formation, and help evaluate trade-offs among the various design parameters and lead to optimal chip design. However, efficient modeling of liquid filling in complex microfluidic networks continues to be a significant challenge. High-fidelity computational methods, such as the volume of fluid method, are prohibitively expensive from a computational standpoint. Analytical models, on the other hand, are primarily applicable to idealized geometries and, hence, are unable to accurately capture chip level behavior of complex microfluidic systems. This paper presents a parametrized dynamic model for the system-level analysis of liquid filling in three-dimensional (3D) microfluidic networks. In our approach, a complex microfluidic network is deconstructed into a set of commonly used components, such as reservoirs, microchannels, and junctions. The components are then assembled according to their spatial layout and operating rationale to achieve a rapid system-level model. A dynamic model based on the transient momentum equation is developed to track the liquid front in the microchannels. The principle of mass conservation at the junction is used to link the fluidic parameters in the microchannels emanating from the junction. Assembly of these component models yields a set of differential and algebraic equations, which upon integration provides temporal information of the liquid filling process, particularly liquid front propagation (i.e., the arrival time). The models are used to simulate the transient liquid filling process in a variety of microfluidic constructs and in a multiplexer, representing a complex microfluidic network. The accuracy (relative error less than 7%) and orders-of-magnitude speedup (30â€‰000X-4â€‰000â€‰000X) of our system-level models are verified by comparison against 3D high-fidelity numerical studies. Our findings clearly establish the utility of our models and simulation methodology for fast, reliable analysis of liquid filling to guide the design optimization of complex microfluidic networks.

System-level simulation of liquid filling in microfluidic chips.

Liquid de remplissage dans des canaux microfluidiques est un processus complexe qui d&eacute;pend d&#39;une vari&eacute;t&eacute; de g&eacute;om&eacute;trique, op&eacute;rant, et les param&egrave;tres des mat&eacute;riaux tels que la g&eacute;om&eacute;trie de microcanaux, &eacute;coulement velocity&#x2215;pressure, tension superficielle du liquide et angle de la surface du canal de contact. Une analyse pr&eacute;cise du processus de remplissage peut &eacute;clairerait les cl&eacute;s sur le temps de remplissage, le recouvrement de bulle air et formation de zone morte et aider &agrave; &eacute;valuer les compromis entre les diff&eacute;rents param&egrave;tres de conception et conduit &agrave; la conception de puce optimale. Cependant, efficace, mod&eacute;lisation de remplissage liquide dans les r&eacute;seaux complexes de microfluidique reste un d&eacute;fi important. M&eacute;thodes de calcul de haute fid&eacute;lit&eacute;, telles que la m&eacute;thode de volume de fluide, sont excessivement co&ucirc;teuses d&#39;un point de vue algorithmique. Mod&egrave;les analytiques, en revanche, sont principalement applicables aux g&eacute;om&eacute;tries id&eacute;alis&eacute;s et, par cons&eacute;quent, sont incapables de saisir avec pr&eacute;cision le comportement niveau puce des syst&egrave;mes microfluidiques complexes. Cet article pr&eacute;sente un mod&egrave;le dynamique param&eacute;tr&eacute;s pour l&#39;analyse au niveau du syst&egrave;me de liquide de remplissage dans les r&eacute;seaux de microfluidique (3D) en trois dimensions. Dans notre approche, un r&eacute;seau complexe de microfluidique est d&eacute;construit en un ensemble de composants utilis&eacute;s, tels que r&eacute;servoirs microcanaux et jonctions. Les composants sont ensuite assembl&eacute;s selon leur disposition spatiale et de la justification d&#39;utilisation pour r&eacute;aliser un mod&egrave;le de niveau syst&egrave;me rapid. Pour suivre le front de liquid dans les MICROCANAUX, on &eacute;labore un mod&egrave;le dynamique bas&eacute; sur l&#39;&eacute;quation de la dynamique transitoire. Le principe de conservation de masse &agrave; la jonction est utilis&eacute; pour lier les param&egrave;tres fluidiques dans les MICROCANAUX &eacute;manant de la jonction. Assemblage de ces mod&egrave;les de composant g&eacute;n&egrave;re un ensemble d&#39;&eacute;quations diff&eacute;rentielles et alg&eacute;briques, qui, apr&egrave;s l&#39;int&eacute;gration, fournit des informations temporelles du liquide remplissant les processus, particuli&egrave;rement liquide avant propagation (c.-&agrave;-d., l&#39;heure d&#39;arriv&eacute;e). Les mod&egrave;les sont utilis&eacute;s pour simuler le liquide transitoire processus dans une vari&eacute;t&eacute; de constructions de la microfluidique et dans un multiplexeur, repr&eacute;sentant un r&eacute;seau complexe de microfluidique. La pr&eacute;cision (erreur relative inf&eacute;rieure &agrave; 7 %) et l&#39;acc&eacute;l&eacute;ration des ordres de grandeur (30 000 X-4 000 000 X) de nos mod&egrave;les au niveau du syst&egrave;me sont v&eacute;rifi&eacute;es par comparaison pour &eacute;tudes num&eacute;riques 3D de haute fid&eacute;lit&eacute;. Nos r&eacute;sultats &eacute;tablissent clairement l&#39;utilit&eacute; de nos mod&egrave;les et la m&eacute;thodologie de simulation pour l&#39;analyse rapide et fiable de remplissage liquide pour guider l&#39;optimisation de la conception des r&eacute;seaux complexes de microfluidique.

Au niveau du syst&egrave;me simulation de liquide remplissant puces microfluidiques.

Fl&uuml;ssige F&uuml;llung in mikrofluidische Kan&auml;le ist ein komplexer Prozess, der eine Vielzahl von geometrischen, in Betrieb abh&auml;ngt, und Materialparameter Microchannel-Geometrie, wie flie&szlig;en Velocity&#x2215;pressure, fl&uuml;ssige Oberfl&auml;chenspannung, und Kontaktwinkel von Kanal-Oberfl&auml;che. Genaue Analyse der die Bef&uuml;llung kann wichtige Einblicke in die F&uuml;llzeit, Luftblase &uuml;berf&uuml;llen und Tote Zone Bildung und Kompromisse zwischen den verschiedenen Design-Parameter und f&uuml;hren zu optimalen Chipdesign bewerten helfen. Jedoch weiterhin effiziente Modellierung der fl&uuml;ssigen F&uuml;llung in komplexen mikrofluidische Netzwerken eine gro&szlig;e Herausforderung. High Fidelity-Berechnungsmethoden, wie das Volumen der Fl&uuml;ssigkeit-Methode, sind aus Sicht der computational unerschwinglich. Analytische Modelle, auf der anderen Seite gelten in erster Linie f&uuml;r idealisierte Geometrien und sind daher nicht in der Lage, Chip Ebene Verhalten komplexer mikrofluidische Systeme genau zu erfassen. Dieser Beitrag stellt ein parametrisierten dynamisches Modell f&uuml;r die Systemebene-Analyse der Fl&uuml;ssigkeit, die dreidimensionale (3D) mikrofluidische Netzwerke ausf&uuml;llen. In unserem Ansatz ist eine komplexe Microfluidic Netzwerk in eine Reihe von h&auml;ufig verwendeten Komponenten, wie z.B. Talsperren, Mikrokan&auml;len und Kreuzungen dekonstruiert. Die Komponenten montiert werden dann entsprechend ihrer r&auml;umlichen Layout und operative Begr&uuml;ndung, eine schnelle auf Systemebene-Modell zu erreichen. Ein dynamisches Modell, das auf der Grundlage der transiente Dynamik-Gleichung wurde entwickelt, um die Fl&uuml;ssigkeit vorne in den Mikrokan&auml;len verfolgen. Das Prinzip der Massenerhaltung an der Kreuzung wird verwendet, um die str&ouml;mungstechnische Parameter in den Mikrokan&auml;len ausgehen von der Kreuzung zu verkn&uuml;pfen. Montage von diesen Komponentenmodelle ergibt eine Reihe von Differenz- und algebraische Gleichungen, die auf Integration zeitlichen Informationen der Fl&uuml;ssigkeit f&uuml;llen verarbeiten, besonders fl&uuml;ssig vorne Propagierung (d. h. die Ankunftszeit) bereitstellt. Die Modelle werden verwendet, um die fl&uuml;chtige Fl&uuml;ssigkeit F&uuml;llprozess in einer Vielzahl von mikrofluidische Konstrukte und in einem multiplexer, einem komplexen Microfluidic Netzwerk darstellt zu simulieren. Die Genauigkeit (weniger als 7 % relativer Fehler) und der Gr&ouml;&szlig;enordnung Beschleunigung (30 000 X-4 000 000 X) unserer Systemebene-Modelle sind mit 3D High-Fidelity-numerische Studien zum Vergleich &uuml;berpr&uuml;ft. Unsere Sachaufkl&auml;rung eindeutig das Dienstprogramm unserer Modelle und Simulation-Methodik f&uuml;r die schnelle und zuverl&auml;ssige Analyse der fl&uuml;ssigen F&uuml;llung um die Design-Optimierung von komplexen mikrofluidische Netzwerken f&uuml;hren.

Auf Systemebene Simulation Fl&uuml;ssigkeit mikrofluidische Chips ausf&uuml;llen.

Liquido di riempimento nei canali microfluidici &egrave; un processo complesso che dipende da una variet&agrave; di geometrico, di funzionamento, e parametri del materiale quali microchannel geometria, flusso velocity&#x2215;pressure, tensione superficiale liquido e contattare angolo della superficie del canale. Un&#39;analisi accurata del processo di riempimento pu&ograve; fornire approfondimenti chiave il tempo di otturazione, intrappolamento di bolle d&#39;aria e la formazione di zona morta e aiutare a valutare il trade-off tra i vari parametri di progettazione e portare alla progettazione di chip ottimale. Tuttavia, efficiente di modellazione del liquido di riempimento in reti complesse microfluidica continua ad essere una sfida significativa. Metodi computazionali ad alta fedelt&agrave;, come ad esempio il volume del fluido Metodo, sono proibitivamente costosi dal punto di vista computazionale. Modelli analitici, d&#39;altra parte, sono principalmente applicabili alle geometrie idealizzati e, quindi, non sono in grado di catturare con precisione chip livello comportamento dei sistemi complessi microfluidica. Questo articolo presenta un modello dinamico parametrizzato per l&#39;analisi del sistema di livello del liquido di riempimento nelle reti di microfluidica tridimensionale (3D). Nel nostro approccio, una rete complessa microfluidica &egrave; decostruita in un insieme di componenti comunemente utilizzati, quali serbatoi, microcanali e giunzioni. I componenti sono quindi assemblati secondo la loro disposizione spaziale e logica operativa per ottenere un rapido modello livello di sistema. Un modello dinamico basato sull&#39;equazione dinamica transitoria &egrave; sviluppato per monitorare il liquido anteriore nei microcanali. Il principio di conservazione di massa all&#39;incrocio &egrave; utilizzato per collegare i parametri fluidici a microcanali che emana dall&#39;incrocio. Assemblaggio di questi modelli di componenti produce un insieme di equazioni algebriche e differenziali, che su integrazione fornisce informazioni temporali del liquido di riempimento processo, particolarmente liquido propagazione anteriore (cio&egrave;, l&#39;orario di arrivo). I modelli sono usati per simulare il liquido transitorio processo in una variet&agrave; di costrutti di microfluidica e multiplexer, che rappresenta una rete complessa microfluidica di riempimento. La precisione (errore relativo inferiore al 7%) e gli ordini di grandezza speedup (30 X-4 000 000 000 X) dei nostri modelli a livello di sistema vengono verificate tramite il confronto contro 3D studi numerici ad alta fedelt&agrave;. I nostri risultati stabiliscono chiaramente l&#39;utilit&agrave; dei nostri modelli e metodologie di simulazione per l&#39;analisi veloce e affidabile del liquido di riempimento per guidare l&#39;ottimizzazione delle reti complesse microfluidica.

Livello di sistema di simulazione del liquido di riempimento in chip microfluidico.

&#x5E7E;&#x4F55;&#x5B66;&#x7684;, &#x69D8;&#x3005; &#x306A;&#x52D5;&#x4F5C;&#x3057;&#x3001;&#x4F9D;&#x5B58;&#x3059;&#x308B;&#x8907;&#x96D1;&#x306A;&#x30D7;&#x30ED;&#x30BB;&#x30B9; &#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x8DEF;&#x5185;&#x3092;&#x5145;&#x586B;&#x6DB2;&#x4F53;&#x3068;&#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30C1;&#x30E3;&#x30CD;&#x30EB;&#x306E;&#x30B8;&#x30AA;&#x30E1;&#x30C8;&#x30EA;&#x306A;&#x3069;&#x306E;&#x6750;&#x6599;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC; velocity&#x2215;pressure&#x3001;&#x6DB2;&#x4F53;&#x306E;&#x8868;&#x9762;&#x5F35;&#x529B;&#x6D41;&#x30C1;&#x30E3;&#x30CD;&#x30EB;&#x8868;&#x9762;&#x306E;&#x89D2;&#x5EA6;&#x306B;&#x304A;&#x554F;&#x3044;&#x5408;&#x308F;&#x305B;&#x304F;&#x3060;&#x3055;&#x3044;&#x3002;&#x5145;&#x586B;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x306E;&#x6B63;&#x78BA;&#x306A;&#x5206;&#x6790;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x5145;&#x586B;&#x6642;&#x9593;&#x3001;&#x7A7A;&#x6C17;&#x6CE1;&#x30C8;&#x30E9;&#x30C3;&#x30D4;&#x30F3;&#x30B0;&#x3001;&#x30C7;&#x30C3;&#x30C9; &#x30BE;&#x30FC;&#x30F3;&#x5F62;&#x6210;&#x306B;&#x91CD;&#x8981;&#x306A;&#x6D1E;&#x5BDF;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x3066;&#x5404;&#x7A2E;&#x8A2D;&#x8A08;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x3068;&#x6700;&#x9069;&#x30C1;&#x30C3;&#x30D7;&#x8A2D;&#x8A08;&#x306B;&#x3064;&#x306A;&#x304C;&#x308B;&#x306E;&#x9593;&#x3067;&#x306E;&#x30C8;&#x30EC;&#x30FC;&#x30C9;&#x30AA;&#x30D5;&#x3092;&#x8A55;&#x4FA1;&#x3059;&#x308B;&#x306E;&#x306B;&#x5F79;&#x7ACB;&#x3061;&#x307E;&#x3059;&#x3002;&#x3057;&#x304B;&#x3057;&#x3001;&#x52B9;&#x7387;&#x7684;&#x306A;&#x8907;&#x96D1;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306B;&#x304A;&#x3051;&#x308B;&#x6DB2;&#x4F53;&#x5145;&#x586B;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x5316;&#x306F;&#x91CD;&#x8981;&#x306A;&#x8AB2;&#x984C;&#x306B;&#x7D9A;&#x3051;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x6D41;&#x4F53;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306E;&#x30DC;&#x30EA;&#x30E5;&#x30FC;&#x30E0;&#x306A;&#x3069;&#x306E;&#x5FE0;&#x5B9F;&#x5EA6;&#x306E;&#x9AD8;&#x3044;&#x8A08;&#x7B97;&#x65B9;&#x6CD5;&#x306F;&#x3001;&#x8A08;&#x7B97;&#x306E;&#x7ACB;&#x5834;&#x304B;&#x3089;&#x6CD5;&#x5916;&#x306B;&#x9AD8;&#x4FA1;&#x3067;&#x3059;&#x3002;&#x89E3;&#x6790;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x305D;&#x306E;&#x4E00;&#x65B9;&#x3067;&#x3001;&#x4E3B;&#x306B;&#x7406;&#x60F3;&#x5316;&#x3055;&#x308C;&#x305F;&#x30B8;&#x30AA;&#x30E1;&#x30C8;&#x30EA;&#x306B;&#x9069;&#x7528;&#x3055;&#x308C;&#x3001;&#x305D;&#x308C;&#x3086;&#x3048;&#x3001;&#x8907;&#x96D1;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x306E;&#x30C1;&#x30C3;&#x30D7; &#x30EC;&#x30D9;&#x30EB;&#x306E;&#x52D5;&#x4F5C;&#x3092;&#x6B63;&#x78BA;&#x306B;&#x30AD;&#x30E3;&#x30D7;&#x30C1;&#x30E3;&#x3059;&#x308B;&#x3053;&#x3068;&#x306F;&#x3042;&#x308A;&#x307E;&#x305B;&#x3093;&#x3002;3&#x6B21;&#x5143; (3 D) &#x5FAE;&#x5C0F;&#x6D41;&#x4F53;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306B;&#x304A;&#x3051;&#x308B;&#x5145;&#x586B;&#x6DB2;&#x4F53;&#x306E;&#x30B7;&#x30B9;&#x30C6;&#x30E0; &#x30EC;&#x30D9;&#x30EB;&#x89E3;&#x6790;&#x3092;&#x898B;&#x4ED8;&#x3051;&#x308B;&#x52D5;&#x7684;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x63D0;&#x6848;&#x3059;&#x308B;.&#x6211;&#x3005; &#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x3067;&#x306F;&#x3001;&#x8CAF;&#x6C34;&#x6C60;&#x3001;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x3001;&#x63A5;&#x5408;&#x306A;&#x3069;&#x306E;&#x4E00;&#x822C;&#x7684;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x308B;&#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8;&#x306E;&#x30BB;&#x30C3;&#x30C8;&#x306B;&#x8907;&#x96D1;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x89E3;&#x4F53;&#x3067;&#x3059;&#x3002;&#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8;&#x306F;&#x3001;&#x305D;&#x306E;&#x5F8C;&#x3001;&#x7A7A;&#x9593;&#x30EC;&#x30A4;&#x30A2;&#x30A6;&#x30C8;&#x3068;&#x8FC5;&#x901F;&#x306A;&#x30B7;&#x30B9;&#x30C6;&#x30E0; &#x30EC;&#x30D9;&#x30EB; &#x30E2;&#x30C7;&#x30EB;&#x3092;&#x9054;&#x6210;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x55B6;&#x696D;&#x306E;&#x6839;&#x62E0;&#x306B;&#x3088;&#x308B;&#x3068;&#x7D44;&#x307F;&#x7ACB;&#x3066;&#x3089;&#x308C;&#x307E;&#x3059;&#x3002;&#x975E;&#x5B9A;&#x5E38;&#x904B;&#x52D5;&#x91CF;&#x65B9;&#x7A0B;&#x5F0F;&#x306B;&#x57FA;&#x3065;&#x304F;&#x52D5;&#x7684;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x3001;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x8DEF;&#x5185;&#x6DB2;&#x4F53;&#x306E;&#x30D5;&#x30ED;&#x30F3;&#x30C8; &#x30C8;&#x30E9;&#x30C3;&#x30AF;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x8CEA;&#x91CF;&#x4FDD;&#x5B58;&#x306E;&#x63A5;&#x5408;&#x90E8;&#x306E;&#x539F;&#x5247;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3001;&#x30B8;&#x30E3;&#x30F3;&#x30AF;&#x30B7;&#x30E7;&#x30F3;&#x304B;&#x3089;&#x767A;&#x305B;&#x3089;&#x308C;&#x308B;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x8DEF;&#x5185;&#x306E;&#x6D41;&#x4F53;&#x306E;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x3092;&#x30EA;&#x30F3;&#x30AF;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8; &#x30E2;&#x30C7;&#x30EB;&#x306E;&#x30A2;&#x30BB;&#x30F3;&#x30D6;&#x30EA;&#x304C;&#x7D71;&#x5408;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3001;&#x7279;&#x306B;&#x6DB2;&#x4F53;&#x30D5;&#x30ED;&#x30F3;&#x30C8;&#x4F1D;&#x642C; (&#x3059;&#x306A;&#x308F;&#x3061;&#x3001;&#x5230;&#x7740;&#x6642;&#x523B;) &#x3092;&#x5145;&#x586B;&#x3001;&#x6DB2;&#x4F53;&#x306E;&#x6642;&#x7A7A;&#x9593;&#x60C5;&#x5831;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x5FAE;&#x5206;&#x4EE3;&#x6570;&#x65B9;&#x7A0B;&#x5F0F;&#x306E;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x751F;&#x6210;&#x3057;&#x307E;&#x3059;&#x3002;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x6CE8;&#x5165;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3068;&#x30DE;&#x30EB;&#x30C1;&#x30D7;&#x30EC;&#x30AF;&#x30B5;&#x30FC;&#x3001;&#x8907;&#x96D1;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x8868;&#x3059;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x306E;&#x69CB;&#x6210;&#x8981;&#x7D20;&#x3067;&#x3001;&#x6DB2;&#x76F8;&#x3092;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30C8;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x7CBE;&#x5EA6; (&#x76F8;&#x5BFE;&#x8AA4;&#x5DEE; 7% &#x672A;&#x6E80;) &#x3068;&#x6841;&#x306E;&#x9AD8;&#x901F;&#x5316; (30 000 X-4 000 000 X) &#x5F53;&#x793E;&#x30B7;&#x30B9;&#x30C6;&#x30E0; &#x30EC;&#x30D9;&#x30EB; &#x30E2;&#x30C7;&#x30EB;&#x306E;&#x6BD4;&#x8F03;&#x306B;&#x3088;&#x308B; 3 D &#x306E;&#x5FE0;&#x5B9F;&#x5EA6;&#x306E;&#x9AD8;&#x3044;&#x6570;&#x5024;&#x7814;&#x7A76;&#x306B;&#x5BFE;&#x3057;&#x3066;&#x691C;&#x8A3C;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x306E;&#x8ABF;&#x67FB;&#x7D50;&#x679C;&#x306F;&#x660E;&#x3089;&#x304B;&#x306B;&#x79C1;&#x305F;&#x3061;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x3068;&#x9AD8;&#x901F;&#x3067;&#x4FE1;&#x983C;&#x6027;&#x306E;&#x9AD8;&#x3044;&#x89E3;&#x6790;&#x3092;&#x30AC;&#x30A4;&#x30C9;&#x8907;&#x96D1;&#x306A;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x306E;&#x8A2D;&#x8A08;&#x6700;&#x9069;&#x5316;&#x306B;&#x6DB2;&#x4F53;&#x5145;&#x586B;&#x306E;&#x305F;&#x3081;&#x306E;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x624B;&#x6CD5;&#x306E;&#x6709;&#x7528;&#x6027;&#x3092;&#x78BA;&#x7ACB;&#x3057;&#x307E;&#x3059;&#x3002;

&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30C1;&#x30C3;&#x30D7;&#x306E;&#x5145;&#x586B;&#x6DB2;&#x4F53;&#x306E;&#x30B7;&#x30B9;&#x30C6;&#x30E0; &#x30EC;&#x30D9;&#x30EB; &#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3002;

&#xBBF8;&#xC138; &#xCC44;&#xB110;&#xC5D0;&#xC11C; &#xCC44;&#xC6B0;&#xB294; &#xC561;&#xCCB4;&#xB294; &#xC6B4;&#xC601;, &#xB2E4;&#xC591; &#xD55C; &#xD615;&#xC0C1;, &#xC758;&#xC874; &#xD558;&#xB294; &#xBCF5;&#xC7A1; &#xD55C; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xC640; &#xBC84;&#xC2A4;&#xAC00; &#xC544;&#xB2CC; &#xB9C8;&#xC774;&#xD06C;&#xB85C; &#xCC44;&#xB110; &#xD615;&#xC0C1; &#xAC19;&#xC740; &#xC7AC;&#xB8CC; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218; velocity&#x2215;pressure, &#xC561;&#xCCB4; &#xD45C;&#xBA74; &#xC7A5;&#xB825; &#xD750;&#xB984;&#xACFC; &#xC811;&#xCD09; &#xCC44;&#xB110; &#xD45C;&#xBA74; &#xAC01;&#xB3C4;. &#xC791;&#xC131; &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xC758; &#xC815;&#xD655;&#xD55C; &#xBD84;&#xC11D; &#xC791;&#xC131; &#xC2DC;&#xAC04;, &#xACF5;&#xAE30; &#xAC70;&#xD488; &#xD2B8;&#xB798;&#xD551; &#xC8FD;&#xC740; &#xC601;&#xC5ED; &#xD615;&#xC131;&#xC5D0; &#xD575;&#xC2EC; &#xD1B5;&#xCC30;&#xB825;&#xC744; &#xC81C;&#xACF5; &#xD558; &#xACE0; &#xB2E4;&#xC591; &#xD55C; &#xB514;&#xC790;&#xC778; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218; &#xBC0F; &#xCD5C;&#xC801;&#xC758; &#xCE69; &#xB514;&#xC790;&#xC778;&#xC744; &#xB9AC;&#xB4DC; &#xC0AC;&#xC774;&#xC5D0;&#xC11C; &#xC808;&#xCDA9;&#xC744; &#xD3C9;&#xAC00; &#xD558;&#xB294; &#xB370; &#xB3C4;&#xC6C0;&#xC774; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xADF8;&#xB7EC;&#xB098;, &#xBCF5;&#xC7A1; &#xD55C; &#xACB0;&#xD569; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC5D0;&#xC11C; &#xC561;&#xCCB4;&#xB97C; &#xCC44;&#xC6B0;&#xB294; &#xBAA8;&#xB378;&#xB9C1; &#xD6A8;&#xC728;&#xC801;&#xC778; &#xC0C1;&#xB2F9;&#xD55C; &#xB3C4;&#xC804;&#xC774; &#xB420; &#xACC4;&#xC18D;. &#xC720;&#xCCB4; &#xBA54;&#xC11C;&#xB4DC;&#xC758; &#xBCFC;&#xB968; &#xB4F1; &#xB192;&#xC740;-&#xCDA9;&#xC2E4;&#xB3C4; &#xACC4;&#xC0B0; &#xBC29;&#xBC95;&#xC744; &#xACC4;&#xC0B0;&#xC758; &#xAD00;&#xC810;&#xC5D0;&#xC11C; &#xC5C4;&#xCCAD;&#xB098;&#xAC8C; &#xBE44;&#xC2F8;&#xB2E4;. &#xBD84;&#xC11D; &#xBAA8;&#xB378;, &#xB2E4;&#xB978; &#xD55C;&#xD3B8;&#xC73C;&#xB85C;, &#xC8FC;&#xB85C; &#xC774;&#xC0C1; &#xD654; &#xB41C; &#xAE30; &#xD558; &#xB3C4;&#xD615;&#xC5D0; &#xC801;&#xC6A9; &#xB418;&#xB294; &#xBC0F;, &#xADF8;&#xB7EC;&#xBBC0;&#xB85C;, &#xC815;&#xD655; &#xD558; &#xAC8C; &#xBCF5;&#xC7A1; &#xD55C; &#xACB0;&#xD569; &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xCE69; &#xB808;&#xBCA8; &#xB3D9;&#xC791;&#xC744; &#xCEA1;&#xCC98;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xBC31;&#xC11C;&#xC5D0;&#xC11C;&#xB294; 3 &#xCC28;&#xC6D0; (3D) &#xACB0;&#xD569; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xB97C; &#xC791;&#xC131; &#xD558;&#xB294; &#xC561;&#xCCB4;&#xC758; &#xC2DC;&#xC2A4;&#xD15C; &#xC218;&#xC900; &#xBD84;&#xC11D;&#xC744; &#xC704;&#xD55C; parametrized &#xB3D9;&#xC801; &#xBAA8;&#xB378;&#xC744; &#xC81C;&#xC2DC; &#xD55C;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xC811;&#xADFC; &#xBC29;&#xC2DD;&#xC5D0; &#xBCF5;&#xC7A1; &#xD55C; &#xBBF8;&#xC138; &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xC800;&#xC218;&#xC9C0;, microchannels, &#xC811;&#xD569; &#xB4F1;&#xC758; &#xC790;&#xC8FC; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xAD6C;&#xC131; &#xC694;&#xC18C; &#xC138;&#xD2B8;&#xB85C; deconstructed&#xC785;&#xB2C8;&#xB2E4;. &#xAD6C;&#xC131; &#xC694;&#xC18C;&#xB294; &#xB2E4;&#xC74C; &#xC790;&#xC2E0;&#xC758; &#xACF5;&#xAC04; &#xB808;&#xC774;&#xC544;&#xC6C3; &#xBC0F; &#xBE60;&#xB978; &#xC2DC;&#xC2A4;&#xD15C;-&#xB808;&#xBCA8; &#xBAA8;&#xB378;&#xC744; &#xB2EC;&#xC131; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC6B4;&#xC601; &#xADFC;&#xAC70;&#xC5D0; &#xB530;&#xB77C; &#xC870;&#xB9BD; &#xB429;&#xB2C8;&#xB2E4;. &#xC561;&#xCCB4; &#xD504;&#xB860;&#xD2B8;&#xB294; microchannels&#xC5D0;&#xC11C; &#xCD94;&#xC801;&#xC744; &#xACFC;&#xB3C4; &#xC6B4;&#xB3D9;&#xB7C9; &#xBC29;&#xC815;&#xC2DD;&#xC744; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xB3D9;&#xC801; &#xBAA8;&#xB378; &#xAC1C;&#xBC1C;. &#xAD50;&#xCC28;&#xC810;&#xC5D0; &#xC9C8;&#xB7C9; &#xBCF4;&#xC874;&#xC758; &#xC6D0;&#xCE59; &#xAD50;&#xCC28;&#xC810;&#xC5D0;&#xC11C; &#xC9D1;&#xC911;&#xC801;&#xC73C;&#xB85C; microchannels&#xC5D0;&#xC11C; &#xC720;&#xCCB4; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218; &#xC5F0;&#xACB0; &#xD558;&#xB294; &#xB370; &#xC0AC;&#xC6A9; &#xB429;&#xB2C8;&#xB2E4;. &#xC774;&#xB7EC;&#xD55C; &#xAD6C;&#xC131; &#xC694;&#xC18C; &#xBAA8;&#xB378; &#xC5B4;&#xC148;&#xBE14;&#xB9AC; &#xD1B5;&#xD569;&#xC5D0; &#xB530;&#xB77C; &#xC791;&#xC131; &#xD504;&#xB85C;&#xC138;&#xC2A4;, &#xD2B9;&#xD788; &#xC561;&#xCCB4; &#xD504;&#xB7F0;&#xD2B8; &#xC804;&#xD30C; (&#xC989;, &#xB3C4;&#xCC29; &#xC2DC;&#xAC04;) &#xC561;&#xCCB4;&#xC758; &#xC2DC;&#xAC04;&#xC801; &#xC815;&#xBCF4;&#xB97C; &#xC81C;&#xACF5; &#xD558;&#xB294; &#xCC28;&#xB3D9; &#xBC0F; &#xB300; &#xC218; &#xBC29;&#xC815;&#xC2DD;&#xC758; &#xC9D1;&#xD569;&#xC744; &#xC0DD;&#xC131; &#xD569;&#xB2C8;&#xB2E4;. &#xBAA8;&#xB378; &#xC791;&#xC131; &#xD504;&#xB85C;&#xC138;&#xC2A4; &#xB2E4;&#xC591; &#xD55C; &#xBBF8;&#xC138; &#xAD6C;&#xC870; &#xBC0F; &#xBA40;&#xD2F0;&#xD50C;&#xB809;&#xC11C;, &#xBCF5;&#xC7A1; &#xD55C; &#xACB0;&#xD569; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xB97C; &#xB098;&#xD0C0;&#xB0B4;&#xB294; &#xACFC;&#xB3C4; &#xC561;&#xCCB4;&#xB97C; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC0AC;&#xC6A9; &#xB429;&#xB2C8;&#xB2E4;. &#xC815;&#xD655;&#xB3C4; (&#xC0C1;&#xB300; &#xC624;&#xB958; 7% &#xBBF8;&#xB9CC;) &#xBC0F; &#xB300;&#xB7C9; &#xC8FC;&#xBB38; speedup (30 4 X 000-000 000 X) &#xC6B0;&#xB9AC;&#xC758; &#xC2DC;&#xC2A4;&#xD15C;-&#xB808;&#xBCA8; &#xBAA8;&#xB378; &#xD655;&#xC778; &#xBE44;&#xAD50; &#xD558; &#xC5EC; 3 &#xCC28;&#xC6D0; &#xB192;&#xC740;-&#xCDA9;&#xC2E4;&#xB3C4; &#xC22B;&#xC790; &#xACF5;&#xBD80;&#xC5D0; &#xB300; &#xD55C;. &#xC6B0;&#xB9AC;&#xC758; &#xC5F0;&#xAD6C; &#xACB0;&#xACFC; &#xBA85;&#xD655; &#xD558; &#xAC8C; &#xC6B0;&#xB9AC;&#xC758; &#xBAA8;&#xB378;&#xACFC; &#xBCF5;&#xC7A1; &#xD55C; &#xACB0;&#xD569; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC758; &#xC124;&#xACC4; &#xCD5C;&#xC801;&#xD654; &#xAC00;&#xC774;&#xB4DC;&#xB97C; &#xC791;&#xC131; &#xD558;&#xB294; &#xC561;&#xCCB4;&#xC758; &#xBE60;&#xB974;&#xACE0;, &#xC2E0;&#xB8B0;&#xC131; &#xC788;&#xB294; &#xBD84;&#xC11D;&#xC744; &#xC704;&#xD55C; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xBC29;&#xBC95;&#xB860;&#xC758; &#xC720;&#xD2F8;&#xB9AC;&#xD2F0;&#xB97C; &#xC124;&#xC815; &#xD569;&#xB2C8;&#xB2E4;.

&#xBBF8;&#xC138; &#xCE69;&#xC5D0; &#xC791;&#xC131; &#xD558;&#xB294; &#xC561;&#xCCB4;&#xC758; &#xC2DC;&#xC2A4;&#xD15C; &#xB808;&#xBCA8; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158;.

L&iacute;quido relleno en canales de microfluidos es un proceso complejo que depende de una variedad de motivos geom&eacute;tricos, funcionamiento, y par&aacute;metros de material como geometr&iacute;a microchannel, flujo velocity&#x2215;pressure, tensi&oacute;n de superficie l&iacute;quida y Contacta con &aacute;ngulo de la superficie de la canal. An&aacute;lisis preciso de la operaci&oacute;n de llenado pueden proporcionar ideas claves en la formaci&oacute;n de zona muerta, tiempo de llenado y captura de burbuja de aire y ayudar a evaluar las ventajas y desventajas entre los diferentes par&aacute;metros de dise&ntilde;o y plomo al dise&ntilde;o &oacute;ptimo de la viruta. Sin embargo, eficiente modelado de relleno l&iacute;quido en redes complejas microflu&iacute;dicos contin&uacute;a siendo un desaf&iacute;o significativo. M&eacute;todos computacionales de alta fidelidad, como el volumen de l&iacute;quido m&eacute;todo, son prohibitivos desde un punto de vista computacional. Modelos anal&iacute;ticos, por el contrario, son principalmente aplicables a geometr&iacute;as idealizados y, por lo tanto, son incapaces de capturar con precisi&oacute;n el comportamiento nivel de chip de sistemas microflu&iacute;dicos complejo. Este art&iacute;culo presenta un modelo din&aacute;mico parametrizadas para el an&aacute;lisis de nivel de sistema de relleno en redes tridimensionales (3D) microflu&iacute;dicos l&iacute;quida. En nuestro enfoque, una red de microfluidos complejo es deconstruida en un conjunto de componentes utilizados, tales como dep&oacute;sitos, microcanales y uniones. Los componentes se montan entonces seg&uacute;n su esquema espacial y funcionamiento racional para lograr un r&aacute;pida modelo a nivel de sistema. Se desarrolla un modelo din&aacute;mico basado en la ecuaci&oacute;n del impulso transitorio para rastrear el frente de l&iacute;quido en los microcanales. El principio de conservaci&oacute;n de masa en el cruce se utiliza para vincular los par&aacute;metros flu&iacute;dicos en los microcanales que emana de la Uni&oacute;n. Asamblea de estos modelos de componente produce un conjunto de ecuaciones diferenciales y algebraicas, que sobre integraci&oacute;n proporciona informaci&oacute;n temporal del proceso, particularmente l&iacute;quido propagaci&oacute;n frontal (es decir, la hora de llegada) de relleno l&iacute;quido. Los modelos se utilizan para simular el l&iacute;quido transitorio proceso en una variedad de construcciones de microfluidos y en un multiplexor, que representa una red compleja microflu&iacute;dico. La precisi&oacute;n (error relativo menos del 7%) y &oacute;rdenes de magnitud speedup (30 000 X-4 000 000 X) de nuestros modelos de nivel de sistema se verifican en comparaci&oacute;n contra 3D estudios num&eacute;ricos de alta fidelidad. Nuestros resultados establecen claramente la utilidad de nuestros modelos y metodolog&iacute;a de simulaci&oacute;n para el an&aacute;lisis r&aacute;pido y confiable de relleno l&iacute;quido para guiar la optimizaci&oacute;n del dise&ntilde;o de microfluidos complejas redes.

Simulaci&oacute;n de sistema de l&iacute;quido relleno en fichas de microfluidos.

&#x7EC6;&#x80DE;&#x6DB2;&#x548C;&#x5355;&#x5143;&#x683C;&#x7684;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x662F;&#x5FAE;&#x8840;&#x7BA1;&#x4E2D;&#x7684;&#x5F88;&#x591A;&#x751F;&#x7406;&#x548C;&#x75C5;&#x7406;&#x6761;&#x4EF6;&#x7684;&#x91CD;&#x8981;&#x7EC4;&#x6210;&#x90E8;&#x5206;&#x3002;&#x540C;&#x6837;&#xFF0C;&#x9897;&#x7C92;&#x7EC6;&#x80DE;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x4E2D;&#x7597;&#x6CD5;&#x5BF9;&#x7EC4;&#x7EC7;&#x7684;&#x6709;&#x9488;&#x5BF9;&#x6027;&#x5730;&#x5F00;&#x5C55;&#x53D1;&#x6325;&#x4E86;&#x91CD;&#x8981;&#x4F5C;&#x7528;&#x3002;&#x4F53;&#x5916;&#x6D41;&#x63A7;&#x8BBE;&#x5907;&#x6765;&#x6A21;&#x4EFF;&#x8FD9;&#x4E9B;&#x5FAE;&#x5FAA;&#x73AF;&#x8FDB;&#x7A0B;&#x7684;&#x53D1;&#x5C55;&#x4E00;&#x76F4;&#x5728;&#x6211;&#x4EEC;&#x5BF9;&#x708E;&#x75C7;&#x8FC7;&#x7A0B;&#x7684;&#x7406;&#x89E3;&#x3001; &#x7EB3;&#x7C73;&#x9897;&#x7C92;&#x836F;&#x7269;&#x8F7D;&#x4F53;&#xFF0C;&#x53D1;&#x5C55;&#x548C;&#x53D1;&#x5C55;&#x4E2D;&#x56FD;&#x5BB6;&#x7684;&#x5FAE;&#x8840;&#x7BA1;&#x548C;&#x5176;&#x5468;&#x56F4;&#x7EC4;&#x7EC7;&#x7684;&#x73B0;&#x5B9E;&#x5728;&#x4F53;&#x5916;&#x6A21;&#x578B;&#x7684;&#x5173;&#x952E;&#x4E00;&#x6B65;&#x3002;&#x7136;&#x800C;&#xFF0C;&#x57FA;&#x4E8E;&#x8BBE;&#x5907;&#x7684;&#x5E7F;&#x6CDB;&#x4F7F;&#x7528;&#x5E73;&#x884C;&#x5E73;&#x677F;&#x6D41;&#x548C;&#x68C0;&#x6D4B;&#x65B9;&#x6CD5;&#x6709;&#x5F88;&#x591A;&#x91CD;&#x8981;&#x7814;&#x7A76;&#x4F53;&#x5185;&#x7684;&#x751F;&#x7406;&#x6761;&#x4EF6;&#x7684;&#x9650;&#x5236;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x8FD9;&#x4E9B;&#x8BBE;&#x5907;&#x662F;&#x997F;&#x7740;&#x809A;&#x5B50;&#x8017;&#x8D39;&#x7684;&#x65F6;&#x95F4;&#x548C;&#x6267;&#x884C;&#x5404;&#x79CD;&#x5316;&#x9A8C;&#x7684;&#x8D44;&#x6E90;&#x3002;&#x6700;&#x8FD1;&#x53D1;&#x8FBE;&#x56FD;&#x5BB6;&#xFF0C;&#x66F4;&#x5207;&#x5408;&#x5B9E;&#x9645;&#xFF0C;&#x57FA;&#x4E8E;&#x5FAE;&#x6D41;&#x63A7;&#x8BBE;&#x5907;&#x5DF2;&#x7ECF;&#x80FD;&#x591F;&#x514B;&#x670D;&#x8FD9;&#x4E9B;&#x9650;&#x5236;&#x7684;&#x8BB8;&#x591A;&#x3002;&#x5728;&#x8FD9;&#x6B21;&#x5BA1;&#x67E5;&#xFF0C;&#x5C04;&#x6D41;&#x88C5;&#x7F6E;&#x548C;&#x5B66;&#x4E60;&#x5BF9;&#x5355;&#x5143;&#x683C;&#x548C;&#x5355;&#x5143;&#x683C;&#x7C92;&#x5B50;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x7684;&#x526A;&#x529B;&#x5F71;&#x54CD;&#x5176;&#x4F7F;&#x7528;&#x88AB;&#x6982;&#x8FF0;&#x3002;&#x6B64;&#x5916;&#xFF0C;&#x4F7F;&#x7528;&#x6570;&#x5B66;&#x6A21;&#x578B;&#x548C;&#x8BA1;&#x7B97;&#x6D41;&#x4F53;&#x52A8;&#x529B;&#x5B66; (CFD) &#x57FA;&#x4E8E;&#x6A21;&#x578B;&#x7684;&#x89E3;&#x91CA;&#x4E2D;&#x5FAE;&#x8840;&#x7BA1;&#x7684;&#x590D;&#x6742;&#x6D41;&#x52A8;&#x6A21;&#x5F0F;&#x4F1A;&#x7A81;&#x51FA;&#x663E;&#x793A;&#x3002;&#x6700;&#x540E;&#xFF0C;&#x6F5C;&#x5728;&#x7684; 3D &#x5FAE;&#x6D41;&#x63A7;&#x88C5;&#x7F6E;&#x548C;&#x6210;&#x50CF;&#x4E3A;&#x66F4;&#x597D;&#x5730;&#x4EE3;&#x8868;&#x4F53;&#x5185;&#x6761;&#x4EF6;&#x4E0B;&#x54EA;&#x4E9B;&#x5355;&#x5143;&#x683C;&#x548C;&#x5355;&#x5143;&#x683C;&#x7C92;&#x5B50;&#x7684;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x8FDB;&#x884C;&#x8BA8;&#x8BBA;&#x3002;

&#x5FAE;&#x6D41;&#x63A7;&#x5668;&#x4EF6;&#x5EFA;&#x6A21;&#x4E2D;&#x5FAE;&#x8840;&#x7BA1;&#x7EC6;&#x80DE;&#x548C;&#x9897;&#x7C92;&#x7EC6;&#x80DE;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3002;

Cell-fluid and cell-cell interactions are critical components of many physiological and pathological conditions in the microvasculature. Similarly, particle-cell interactions play an important role in targeted delivery of therapeutics to tissue. Development of in vitro fluidic devices to mimic these microcirculatory processes has been a critical step forward in our understanding of the inflammatory process, developing of nano-particulate drug carriers, and developing realistic in vitro models of the microvasculature and its surrounding tissue. However, widely used parallel plate flow based devices and assays have a number of important limitations for studying the physiological conditions in vivo. In addition, these devices are resource hungry and time consuming for performing various assays. Recently developed, more realistic, microfluidic based devices have been able to overcome many of these limitations. In this review, an overview of the fluidic devices and their use in studying the effects of shear forces on cell-cell and cell-particle interactions is presented. In addition, use of mathematical models and Computational Fluid Dynamics (CFD) based models for interpreting the complex flow patterns in the microvasculature is highlighted. Finally, the potential of 3D microfluidic devices and imaging for better representing in vivo conditions under which cell-cell and cell-particle interactions take place is discussed.

Microfluidic devices for modeling cell-cell and particle-cell interactions in the microvasculature.

Les interactions fluide-cellule et cellule-cellule sont des composantes essentielles des nombreuses conditions physiologiques et pathologiques dans la microcirculation. De m&ecirc;me, les interactions entre particules-cellules jouent un r&ocirc;le important dans l&#39;administration cibl&eacute;e d&#39;agents th&eacute;rapeutiques aux tissus. D&eacute;veloppement de dispositifs fluidiques in vitro d&#39;imiter ces processus microcirculatoires a &eacute;t&eacute; une &eacute;tape critique dans notre compr&eacute;hension du processus inflammatoire, &eacute;tablir des transporteurs de drogue de nano-particules et de d&eacute;velopper des mod&egrave;les in vitro r&eacute;alistes de la microcirculation et ses tissus avoisinants. Cependant, largement utilis&eacute; des plaques parall&egrave;les flow based devices et les tests ont un certain nombre de limitations importantes pour &eacute;tudier les conditions physiologiques in vivo. En outre, ces dispositifs sont ressources faim et beaucoup de temps pour effectuer divers essais. R&eacute;cemment d&eacute;velopp&eacute;s, plus r&eacute;aliste, dispositifs microfluidiques bas&eacute;s ont &eacute;t&eacute; capables de surmonter bon nombre de ces limitations. Dans cette revue, on pr&eacute;sente un aper&ccedil;u des dispositifs fluidiques et leur utilisation dans l&#39;&eacute;tude des effets des forces de cisaillement sur les interactions cellule-cellule et cellule-particule. En outre, l&#39;utilisation de mod&egrave;les math&eacute;matiques et mod&egrave;les Computational Fluid Dynamics (CFD) bas&eacute; pour interpr&eacute;ter les sch&eacute;mas d&#39;&eacute;coulement complexe dans la microcirculation est surlign&eacute;e. Enfin, le potentiel de dispositifs microfluidiques 3D et d&#39;imagerie pour mieux repr&eacute;senter les conditions in vivo en vertu de quelle cellule-cellule et cellule-particules les interactions se d&eacute;roulent est discut&eacute;e.

Dispositifs microfluidiques pour mod&eacute;liser les interactions cellule-cellule et cellule-particule dans la microcirculation.

Zelle-Fluid und Zell-Zell-Interaktionen sind wichtige Komponenten der vielen physiologischen und pathologischen Bedingungen in den Microvasculature. Ebenso spielen Partikel-Zell-Interaktionen eine wichtige Rolle in gezielte Bereitstellung von Therapeutika f&uuml;r Gewebe. Entwicklung von in-vitro-fluidische Ger&auml;te imitieren diese Mikrozirkulation Prozesse wurde ein entscheidender Schritt nach vorn in unser Verst&auml;ndnis des entz&uuml;ndlichen Prozesses, der Entwicklung von Nano-Partikeln ARZNEIMITTELTR&Auml;GER und Entwicklung realistisch in-vitro-Modelle von den Microvasculature und seine umgebende Gewebe. Jedoch weit verbreitete Platte-Platte-Fluss-basierten Ger&auml;ten und Proben haben einige wichtige Einschr&auml;nkungen f&uuml;r das Studium der physiologischen Bedingungen in-vivo. Dar&uuml;ber hinaus sind diese Ger&auml;te Ressourcen hungrig und zeitaufwendig f&uuml;r die Durchf&uuml;hrung von verschiedenen Proben. Neu entwickelte, realistischer, Microfluidic basierte Ger&auml;te konnten viele dieser Beschr&auml;nkungen zu &uuml;berwinden. In diesem Bericht wird eine &Uuml;bersicht &uuml;ber die str&ouml;mungstechnische Ger&auml;te und ihre Verwendung bei der Untersuchung der Effekte von Scherkr&auml;ften auf Zell-Zell und Zelle-Teilchen Wechselwirkungen dargestellt. Dar&uuml;ber hinaus wird die Verwendung von mathematischen Modellen und Computational Fluid Dynamics (CFD) Grundlage f&uuml;r die Interpretation der komplexe Str&ouml;mungs-in den Microvasculature hervorgehoben. Schlie&szlig;lich wird das Potenzial von 3D Microfluidic Vorrichtungen und Bildgebung zur besseren Darstellung in Vivo-Bedingungen, unter denen Zell-Zell, die und Zelle-Teilchen Interaktionen stattfinden, besprochen.

Microfluidic Vorrichtungen zur Modellierung von Zell-Zell- und Partikel-Zell-Interaktionen in den Microvasculature.

Interazioni fluido-cellula e cellula-cellula sono componenti critici di molte condizioni fisiologiche e patologiche nel microvasculature. Allo stesso modo, le interazioni delle particelle cellule svolgono un ruolo importante nella consegna mirata delle terapie al tessuto. Lo sviluppo di dispositivi idraulici in vitro di imitare questi processi microcircolatorio &egrave; stato un fondamentale passo avanti nella nostra comprensione del processo infiammatorio, lo sviluppo dei vettori di nano-particelle droga e sviluppare modelli in vitro realistici il microvasculature e il tessuto circostante. Tuttavia, ampiamente usato piatto parallelo flusso basato su dispositivi e dosaggi hanno un certo numero di importanti limitazioni per studiare le condizioni fisiologiche in vivo. Inoltre, questi dispositivi sono risorsa affamato e che richiede tempo per l&#39;esecuzione di dosaggi diversi. Recentemente sviluppato, pi&ugrave; realistico, dispositivi microfluidici basati sono stati in grado di superare molte di queste limitazioni. In questa recensione, viene presentata una panoramica dei dispositivi idraulici e loro uso nello studiare gli effetti delle forze di taglio sulle interazioni cellula-cellula e cellula-particella. Inoltre, uso della fluidodinamica computazionale (CFD) basato su modelli e modelli matematici per interpretare i modelli di flusso complesso nel microvasculature &egrave; evidenziato. Infine, il potenziale di dispositivi microfluidici 3D e di imaging per meglio che rappresentano le condizioni in vivo sotto quale cellula-cellula e cellula-particella avvengono le interazioni &egrave; discusso.

Dispositivi microfluidici per modellare le interazioni cellula-cellula e particella-cella nel microvasculature.

&#x7D30;&#x80DE;&#x6DB2;&#x3068;&#x7D30;&#x80DE;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306F;&#x8840;&#x7BA1;&#x306E;&#x591A;&#x304F;&#x306E;&#x751F;&#x7406;&#x5B66;&#x7684;&#x304A;&#x3088;&#x3073;&#x75C5;&#x7406;&#x5B66;&#x7684;&#x6761;&#x4EF6;&#x306E;&#x91CD;&#x8981;&#x306A;&#x30B3;&#x30F3;&#x30DD;&#x30FC;&#x30CD;&#x30F3;&#x30C8;&#x3067;&#x3059;&#x3002;&#x540C;&#x69D8;&#x306B;&#x3001;&#x7C92;&#x5B50;&#x7D30;&#x80DE;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x304C;&#x91CD;&#x8981;&#x306A;&#x5F79;&#x5272;&#x7D44;&#x7E54;&#x3078;&#x306E;&#x6CBB;&#x7642;&#x306E;&#x30BF;&#x30FC;&#x30B2;&#x30C3;&#x30C8;&#x3092;&#x7D5E;&#x3063;&#x305F;&#x914D;&#x4FE1;&#x3067;&#x518D;&#x751F;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x5FAE;&#x5C0F;&#x5FAA;&#x74B0;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x3092;&#x6A21;&#x5023;&#x3059;&#x308B; in vitro &#x5F62;&#x6D41;&#x4F53;&#x7D20;&#x5B50;&#x306E;&#x958B;&#x767A;&#x306F;&#x3001;&#x708E;&#x75C7;&#x306E;&#x30D7;&#x30ED;&#x30BB;&#x30B9;&#x306E;&#x7406;&#x89E3;&#x3001;&#x30CA;&#x30CE;&#x5FAE;&#x7C92;&#x5B50;&#x85AC;&#x7269;&#x30AD;&#x30E3;&#x30EA;&#x30A2;&#x30FC;&#x306E;&#x958B;&#x767A;&#x304A;&#x3088;&#x3073;&#x73FE;&#x5B9F;&#x7684;&#x306A; in vitro &#x30E2;&#x30C7;&#x30EB;&#x8840;&#x7BA1;&#x69CB;&#x7BC9;&#x3068;&#x305D;&#x306E;&#x5468;&#x56F2;&#x306E;&#x7D44;&#x7E54;&#x306E;&#x958B;&#x767A;&#x306E;&#x91CD;&#x8981;&#x306A;&#x4E00;&#x6B69;&#x524D;&#x9032;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3057;&#x304B;&#x3057;&#x3001;&#x5E83;&#x304F;&#x4F7F;&#x308F;&#x308C;&#x3066;&#x3044;&#x308B;&#x5E73;&#x884C;&#x5E73;&#x677F;&#x30D5;&#x30ED;&#x30FC; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3068;&#x306E;&#x8A66;&#x91D1;&#x306F; in vivo &#x3067;&#x306E;&#x751F;&#x7406;&#x7684;&#x6761;&#x4EF6;&#x3092;&#x52C9;&#x5F37;&#x306E;&#x305F;&#x3081;&#x306E;&#x91CD;&#x8981;&#x306A;&#x5236;&#x9650;&#x4E8B;&#x9805;&#x306E;&#x6570;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;&#x3053;&#x308C;&#x3089;&#x306E;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x306F;&#x30EA;&#x30BD;&#x30FC;&#x30B9;&#x7A7A;&#x8179;&#x3068;&#x306F;&#x69D8;&#x3005; &#x306A;&#x30A2;&#x30C3;&#x30BB;&#x30A4;&#x3092;&#x5B9F;&#x884C;&#x3059;&#x308B;&#x6642;&#x9593;&#x304C;&#x304B;&#x304B;&#x308B;&#x3067;&#x3059;&#x3002;&#x6700;&#x8FD1;&#x958B;&#x767A;&#x3055;&#x308C;&#x305F;&#x3088;&#x308A;&#x73FE;&#x5B9F;&#x7684;&#x306A;&#x88FD;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3055;&#x308C;&#x3066;&#x3044;&#x308B;&#x3053;&#x308C;&#x3089;&#x306E;&#x5236;&#x9650;&#x306E;&#x591A;&#x304F;&#x3092;&#x514B;&#x670D;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x30EC;&#x30D3;&#x30E5;&#x30FC;&#x3067;&#x306F;&#x3001;&#x6D41;&#x4F53;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3068;&#x7D30;&#x80DE;&#x304A;&#x3088;&#x3073;&#x7D30;&#x80DE;&#x7C92;&#x5B50;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306B;&#x53CA;&#x307C;&#x3059;&#x305B;&#x3093;&#x65AD;&#x529B;&#x306E;&#x52C9;&#x5F37;&#x306E;&#x4F7F;&#x7528;&#x306E;&#x6982;&#x8981;&#x304C;&#x63D0;&#x793A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x307E;&#x305F;&#x3001;&#x8840;&#x7BA1;&#x69CB;&#x7BC9;&#x306E;&#x8907;&#x96D1;&#x306A;&#x30D5;&#x30ED;&#x30FC; &#x30D1;&#x30BF;&#x30FC;&#x30F3;&#x3092;&#x89E3;&#x91C8;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x6570;&#x7406;&#x30E2;&#x30C7;&#x30EB;&#x3068;&#x8A08;&#x7B97;&#x6D41;&#x4F53;&#x529B;&#x5B66; (CFD) &#x306B;&#x57FA;&#x3065;&#x3044;&#x3066;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x4F7F;&#x7528;&#x304C;&#x5F37;&#x8ABF;&#x8868;&#x793A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x6700;&#x5F8C;&#x306B;&#x3001;3 D &#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3068;&#x3088;&#x308A;&#x826F;&#x3044;&#x3069;&#x306E;&#x7D30;&#x80DE;&#x3068;&#x7D30;&#x80DE;&#x7C92;&#x5B50;&#x306E;&#x4E0B;&#x3067;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x304C;&#x8D77;&#x3053;&#x308B; in vivo &#x6761;&#x4EF6;&#x3067;&#x8868;&#x73FE;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x306E;&#x53EF;&#x80FD;&#x6027;&#x3092;&#x8B70;&#x8AD6;&#x3057;&#x307E;&#x3059;&#x3002;

&#x8840;&#x7BA1;&#x7D30;&#x80DE;&#x3068;&#x7C92;&#x5B50;&#x7D30;&#x80DE;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x306E;&#x305F;&#x3081;&#x306E;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x4F53;&#x30C7;&#x30D0;&#x30A4;&#x30B9;&#x3002;

&#xC140;-&#xC720;&#xCCB4; &#xBC0F; &#xC140; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xB9CE;&#xC740; &#xC0DD;&#xB9AC; &#xC801; &#xBC0F; &#xBCD1; &#xC801;&#xC778; &#xC0C1;&#xD0DC;&#xB294; microvasculature&#xC5D0;&#xC11C;&#xC758; &#xC911;&#xC694; &#xD55C; &#xAD6C;&#xC131; &#xC694;&#xC18C;&#xC785;&#xB2C8;&#xB2E4;. &#xB9C8;&#xCC2C;&#xAC00;&#xC9C0;&#xB85C;, &#xC785;&#xC790; &#xC138;&#xD3EC; &#xC0C1;&#xD638; &#xC791;&#xC6A9; &#xC870;&#xC9C1; &#xCE58;&#xB8CC;&#xC81C;&#xC758; &#xB300;&#xC0C1;&#xB41C; &#xBC30;&#xB2EC;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xC5ED;&#xD560;&#xC744; &#xB2F4;&#xB2F9;&#xD560;. &#xC774;&#xB7EC;&#xD55C; microcirculatory &#xD504;&#xB85C;&#xC138;&#xC2A4;&#xB97C; &#xBAA8;&#xBC29; &#xCCB4; &#xC678; &#xC720;&#xCCB4; &#xC18C;&#xC790;&#xC758; &#xAC1C;&#xBC1C; &#xC5FC;&#xC99D; &#xACFC;&#xC815;&#xC5D0; &#xB300; &#xD55C; &#xC6B0;&#xB9AC;&#xC758; &#xC774;&#xD574;, &#xB098;&#xB178; &#xBBF8; &#xB9BD; &#xC790; &#xB9C8;&#xC57D; &#xC0AC;&#xC5C5;&#xC790;&#xC758; &#xAC1C;&#xBC1C; &#xD558; &#xACE0;&#xB294; microvasculature&#xC640; &#xADF8; &#xC8FC;&#xBCC0; &#xC870;&#xC9C1;&#xC758; &#xD604;&#xC2E4;&#xC801;&#xC778; &#xCCB4; &#xC678; &#xBAA8;&#xB378;&#xC744; &#xAC1C;&#xBC1C;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xB2E8;&#xACC4; &#xC55E;&#xC73C;&#xB85C; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xADF8;&#xB7EC;&#xB098;, &#xB110;&#xB9AC; &#xC0AC;&#xC6A9; &#xB418;&#xB294; &#xBCD1;&#xB82C; &#xD50C;&#xB808;&#xC774;&#xD2B8; &#xD750;&#xB984; &#xAE30;&#xBC18; &#xC7A5;&#xCE58; &#xBC0F; &#xBD84;&#xC11D; &#xC2E4;&#xD5D8; &#xACF5;&#xBD80; vivo&#xC5D0;&#xC11C; &#xC0DD;&#xB9AC; &#xC801; &#xC870;&#xAC74;&#xC5D0; &#xB300; &#xD55C; &#xC911;&#xC694; &#xD55C; &#xC81C;&#xD55C; &#xC218;&#xAC00; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB610;&#xD55C;,&#xC774; &#xC18C;&#xC790;&#xB294; &#xC790;&#xC6D0; &#xBC30; &#xACE0; &#xD504; &#xACE0; &#xB2E4;&#xC591; &#xD55C; &#xBD84;&#xC11D; &#xC2E4;&#xD5D8;&#xC744; &#xC218;&#xD589; &#xD558;&#xB294; &#xB370; &#xB9CE;&#xC740; &#xC2DC;&#xAC04;&#xC774; &#xC18C;&#xC694;. &#xCD5C;&#xADFC;&#xC5D0; &#xAC1C;&#xBC1C; &#xB41C; &#xBCF4;&#xB2E4; &#xD604;&#xC2E4;&#xC801;&#xC778; &#xAE30;&#xBC18; &#xD558;&#xB294; &#xACB0;&#xD569; &#xC7A5;&#xCE58; &#xB418;&#xC5B4; &#xB9CE;&#xC740; &#xC774;&#xB7EC;&#xD55C; &#xD55C;&#xACC4;&#xB97C; &#xADF9;&#xBCF5;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xB9AC;&#xBDF0;&#xC5D0;&#xC11C; &#xC720;&#xCCB4; &#xC7A5;&#xCE58; &#xBC0F; &#xC140; &#xBC0F; &#xC140; &#xC785;&#xC790; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC5D0; &#xB300; &#xD55C; &#xC804;&#xB2E8; &#xC138;&#xB825;&#xC758; &#xD6A8;&#xACFC; &#xACF5;&#xBD80; &#xD558; &#xACE0; &#xADF8;&#xB4E4;&#xC758; &#xC0AC;&#xC6A9;&#xC5D0; &#xAC04;&#xB7B5;&#xD558;&#xAC8C; &#xD45C;&#xC2DC; &#xB429;&#xB2C8;&#xB2E4;. &#xB610;&#xD55C;,&#xB294; microvasculature&#xC5D0;&#xC11C; &#xBCF5;&#xC7A1; &#xD55C; &#xD750;&#xB984; &#xD328;&#xD134;&#xC744; &#xD574;&#xC11D; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xC218;&#xD559;&#xC801; &#xBAA8;&#xB378; &#xBC0F; &#xC804;&#xC0B0; &#xC720;&#xCCB4; &#xC5ED;&#xD559; (CFD) &#xAE30;&#xBC18; &#xBAA8;&#xB378;&#xC758; &#xC0AC;&#xC6A9; &#xAC15;&#xC870; &#xD45C;&#xC2DC; &#xB429;&#xB2C8;&#xB2E4;. &#xB9C8;&#xC9C0;&#xB9C9;&#xC73C;&#xB85C;, 3 &#xCC28;&#xC6D0; &#xBBF8;&#xC138; &#xC7A5;&#xCE58; &#xBC0F; &#xC140; &#xBC0F; &#xC140; &#xC785;&#xC790;&#xB294; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC774; &#xC77C;&#xC5B4;&#xB0A0; vivo &#xC870;&#xAC74;&#xC5D0;&#xC11C; &#xB354; &#xB098;&#xC740; &#xB098;&#xD0C0;&#xB0B4;&#xB294; &#xC774;&#xBBF8;&#xC9D5;&#xC758; &#xC7A0;&#xC7AC;&#xB825;&#xC744; &#xC124;&#xBA85; &#xD569;&#xB2C8;&#xB2E4;.

Microvasculature&#xC5D0;&#xC11C; &#xC140; &#xBC0F; &#xC140; &#xC785;&#xC790; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC744; &#xBAA8;&#xB378;&#xB9C1; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xBBF8;&#xC138; &#xC7A5;&#xCE58;.

Las interacciones de l&iacute;quido de la c&eacute;lula y c&eacute;lula son componentes cr&iacute;ticos de muchas condiciones fisiol&oacute;gicas y patol&oacute;gicas en la microvascularizaci&oacute;n. Asimismo, las interacciones de part&iacute;culas-celular juegan un papel importante en entrega dirigida de la terap&eacute;utica al tejido. Desarrollo de dispositivos flu&iacute;dicos in vitro para imitar estos procesos microcirculaci&oacute;n ha sido un avance importante en nuestra comprensi&oacute;n del proceso inflamatorio, el desarrollo de portadores de nano-part&iacute;culas de drogas y desarrollo de modelos in vitro realistas de la microvascularizaci&oacute;n y sus tejidos circundantes. Sin embargo, dispositivos basados en el flujo de placas paralelas ampliamente utilizado y ensayos tienen un n&uacute;mero de importantes limitaciones para el estudio de las condiciones fisiol&oacute;gicas en vivo. Adem&aacute;s, estos dispositivos son recursos hambre y mucho tiempo para llevar a cabo varios ensayos. Recientemente desarrollados, m&aacute;s realista, dispositivos microflu&iacute;dicos base han sido capaces de superar muchas de estas limitaciones. En esta revisi&oacute;n, se presenta un Resumen de los dispositivos flu&iacute;dicos y su uso en el estudio de los efectos de las fuerzas de corte en las interacciones c&eacute;lula-c&eacute;lula y c&eacute;lula de part&iacute;culas. Adem&aacute;s, se destaca el uso de modelos matem&aacute;ticos y modelos de din&aacute;mica de fluidos computacional (CFD) base para interpretar los patrones de flujo complejo en la microvascularizaci&oacute;n. Por &uacute;ltimo, se discute el potencial de dispositivos microflu&iacute;dicos 3D e im&aacute;genes para representar mejor en vivo condiciones bajo que c&eacute;lula y c&eacute;lula part&iacute;culas interacciones tienen lugar.

Dispositivos microflu&iacute;dicos para modelar las interacciones c&eacute;lula-c&eacute;lula y pilas de part&iacute;culas en la microvascularizaci&oacute;n.

Este art&iacute;culo presenta un modelo anal&iacute;tico tridimensional para investigar la difusi&oacute;n de flujo transversal transporte en microcanales rectangular con proporciones arbitrarias bajo flujo basadas en la presi&oacute;n. La soluci&oacute;n de series de Fourier para la ecuaci&oacute;n de difusi&oacute;n convecci&oacute;n tridimensional se obtiene mediante un m&eacute;todo de transformaci&oacute;n integral doble y asociados eigensystem c&aacute;lculo. Un diagrama de fase derivados de las dimensiones se presentaron el an&aacute;lisis a fondo sobre las caracter&iacute;sticas de diversos reg&iacute;menes de transporte y examinar la validez del modelo. El modelo anal&iacute;tico es verificado contra modelos experimentales y num&eacute;ricos respecto del perfil del concentraci&oacute;n, difusi&oacute;n escalando la ley y eficiencia de la mezcla con excelente acuerdo (con &lt; 0.5% de error relativo). Tambi&eacute;n se realiza comparaci&oacute;n cuantitativa contra otros modelos anal&iacute;ticos previos en el espacio de par&aacute;metros extensa, que demuestra que el modelo actual tiene capacidad para reg&iacute;menes de transporte mucho m&aacute;s amplios con aplicabilidad significativamente mejorada.

Cruz-corriente difusi&oacute;n bajo flujo basadas en la presi&oacute;n en microcanales con proporciones arbitrarias: un estudio del diagrama de fase utilizando un modelo de an&aacute;lisis tridimensional.

&#x672C;&#x6587;&#x4ECB;&#x7ECD;&#x4E86;&#x4E09;&#x7EF4;&#x5206;&#x6790;&#x6A21;&#x578B;&#xFF0C;&#x4EE5;&#x8C03;&#x67E5;&#x4E0E;&#x4EFB;&#x610F;&#x6D41;&#x52A8;&#x538B;&#x529B;&#x9A71;&#x52A8;&#x4E0B;&#x7684;&#x957F;&#x5BBD;&#x6BD4;&#x7684;&#x77E9;&#x5F62;&#x5FAE;&#x901A;&#x9053;&#x4E2D;&#x7684;&#x4EA4;&#x53C9;&#x6D41;&#x6269;&#x6563;&#x8FD0;&#x8F93;&#x3002;&#x4E09;&#x7EF4;&#x5BF9;&#x6D41;&#x6269;&#x6563;&#x65B9;&#x7A0B;&#x7684;&#x5085;&#x91CC;&#x53F6;&#x7EA7;&#x6570;&#x89E3;&#x6CD5;&#x83B7;&#x5F97;&#x4F7F;&#x7528;&#x53CC;&#x79EF;&#x5206;&#x53D8;&#x6362;&#x65B9;&#x6CD5;&#x548C;&#x76F8;&#x5173;&#x7684;&#x7279;&#x5F81;&#x7CFB;&#x7EDF;&#x8BA1;&#x7B97;&#x3002;&#x4ECE;&#x4E09;&#x7EF4;&#x6D3E;&#x751F;&#x7684;&#x76F8;&#x56FE;&#x5206;&#x6790;&#x63D0;&#x51FA;&#x8981;&#x5F7B;&#x5E95;&#x5BA1;&#x95EE;&#x4E2D;&#x5404;&#x79CD;&#x8FD0;&#x8F93;&#x5236;&#x5EA6;&#x7684;&#x7279;&#x70B9;&#x548C;&#x68C0;&#x67E5;&#x6A21;&#x578B;&#x7684;&#x6709;&#x6548;&#x6027;&#x3002;&#x89E3;&#x6790;&#x6A21;&#x578B;&#x8FDB;&#x884C;&#x9A8C;&#x8BC1;&#x5B9E;&#x9A8C;&#x548C;&#x6570;&#x503C;&#x6A21;&#x62DF;&#x6A21;&#x578B;&#x6765;&#x96C6;&#x4E2D;&#x914D;&#x7F6E;&#x6587;&#x4EF6;&#xFF0C;&#x6269;&#x6563;&#x6807;&#x5EA6;&#x5F8B;&#xFF0C;&#x548C;&#x6DF7;&#x5408;&#x6548;&#x7387;&#x4E0E;&#x4F18;&#x79C0;&#x7684;&#x534F;&#x8BAE; &#xFF08;&#x4E0E; &lt; 0.5%&#x76F8;&#x5BF9;&#x8BEF;&#x5DEE;&#xFF09;&#x3002;&#x6B64;&#x5916;&#x6267;&#x884C;&#x9488;&#x5BF9;&#x5E7F;&#x6CDB;&#x7684;&#x53C2;&#x6570;&#x7A7A;&#x95F4;&#x4E2D;&#x7684;&#x5176;&#x4ED6;&#x4E8B;&#x5148;&#x5206;&#x6790;&#x6A21;&#x578B;&#x5B9A;&#x91CF;&#x6BD4;&#x8F83;&#xFF0C;&#x8FD9;&#x8868;&#x660E;&#x672C;&#x6A21;&#x578B;&#x53EF;&#x5BB9;&#x7EB3;&#x8303;&#x56F4;&#x66F4;&#x5E7F;&#x7684;&#x8FD0;&#x8F93;&#x5236;&#x5EA6;&#xFF0C;&#x5177;&#x6709;&#x663E;&#x8457;&#x589E;&#x5F3A;&#x7684;&#x9002;&#x7528;&#x6027;&#x3002;

&#x4EFB;&#x610F;&#x7EB5;&#x6A2A;&#x6BD4;&#x7684;&#x5FAE;&#x7BA1;&#x9053;&#x538B;&#x529B;&#x9A71;&#x52A8;&#x6C34;&#x6D41;&#x4E0B;&#x4EA4;&#x53C9;&#x6D41;&#x6269;&#x6563;&#xFF1A; &#x4F7F;&#x7528;&#x4E09;&#x7EF4;&#x5206;&#x6790;&#x6A21;&#x578B;&#x7684;&#x76F8;&#x56FE;&#x7814;&#x7A76;&#x3002;

This article presents a three-dimensional analytical model to investigate cross-stream diffusion transport in rectangular microchannels with arbitrary aspect ratios under pressure-driven flow. The Fourier series solution to the three-dimensional convection-diffusion equation is obtained using a double integral transformation method and associated eigensystem calculation. A phase diagram derived from the dimensional analysis is presented to thoroughly interrogate the characteristics in various transport regimes and examine the validity of the model. The analytical model is verified against both experimental and numerical models in terms of the concentration profile, diffusion scaling law, and mixing efficiency with excellent agreement (with <0.5% relative error). Quantitative comparison against other prior analytical models in extensive parameter space is also performed, which demonstrates that the present model accommodates much broader transport regimes with significantly enhanced applicability.

Cross-stream diffusion under pressure-driven flow in microchannels with arbitrary aspect ratios: a phase diagram study using a three-dimensional analytical model.

Cet article pr&eacute;sente un mod&egrave;le d&#39;analyse en trois dimensions afin d&#39;&eacute;tudier la diffusion de la Croix-flux transport en MICROCANAUX rectangulaire avec allongements arbitraires dans un &eacute;coulement par la pression. La s&eacute;rie de Fourier de solution &agrave; l&#39;&eacute;quation de convection-diffusion en trois dimensions est obtenue en utilisant une m&eacute;thode de transformation int&eacute;grale double et associ&eacute;s de calcul eigensystem. Un diagramme de phases d&eacute;riv&eacute;es de la dimension analyse est pr&eacute;sent&eacute;e pour interroger les caract&eacute;ristiques de divers r&eacute;gimes de transport soigneusement examiner la validit&eacute; du mod&egrave;le. Le mod&egrave;le analytique est compar&eacute; &agrave; des mod&egrave;les exp&eacute;rimentaux et num&eacute;riques en ce qui concerne le profil de concentration, diffusion, mise &agrave; l&#39;&eacute;chelle de droit et efficacit&eacute; de m&eacute;lange avec un accord excellent (avec &lt; 0,5 % d&#39;erreur relative). Quantitative en comparaison avec les autres mod&egrave;les analytiques pr&eacute;alables dans l&#39;espace de param&egrave;tre &eacute;tendue est &eacute;galement r&eacute;alis&eacute;e, qui d&eacute;montre que le mod&egrave;le actuel accueille des r&eacute;gimes beaucoup plus larges de transport dont l&#39;applicabilit&eacute; est significativement am&eacute;lior&eacute;e.

Diffusion des croix-flux par la pression de d&eacute;bit en microcanaux avec allongements arbitraires : une &eacute;tude de diagramme de phase &agrave; l&#39;aide d&#39;un mod&egrave;le analytique en trois dimensions.

Dieser Artikel stellt ein dreidimensionales analytisches Modell um Kreuz-Stream Verbreitung Transport in rechteckigen Mikrokan&auml;len mit willk&uuml;rlichen Seitenverh&auml;ltnissen unter Druck-gesteuerte Str&ouml;mung zu untersuchen. Die Fourier-Reihen-L&ouml;sung f&uuml;r die dreidimensionale Konvektion-Diffusionsgleichung wird durch eine doppelte integrale Transformation-Methode abgerufen und zugeh&ouml;rige Eigensystem Berechnung. Ein Phasendiagramm abgeleitet die dimensionale Analyse wird pr&auml;sentiert, um gr&uuml;ndlich die Merkmale in den verschiedenen Transport-Regimes zu verh&ouml;ren und die G&uuml;ltigkeit des Modells zu untersuchen. Das analytische Modell mit sowohl experimentelle und numerische Modelle in Bezug auf die Konzentration Profil, Verbreitung Skalierung Gesetz und mischen Effizienz mit ausgezeichneten Vereinbarung &uuml;berpr&uuml;ft (mit &lt; 0,5 % relativer Fehler). Quantitativer Vergleich gegen andere vorherige analytische Modelle im ausf&uuml;hrliche Parameterraum wird ebenfalls durchgef&uuml;hrt, der zeigt, dass das gegenw&auml;rtige Modell viel breiter Transport-Regime mit deutlich verbesserten Anwendbarkeit beherbergt.

Cross-Stream Verbreitung unter Druck-gesteuerte flie&szlig;en in Mikrokan&auml;len mit willk&uuml;rlichen Seitenverh&auml;ltnissen: eine Phase-Diagramm-Studie mit einem dreidimensionales analytisches Modell.

Questo articolo presenta un modello analitico tridimensionale per indagare la diffusione trasversale-stream trasporto a microcanali rettangolare con proporzioni arbitrarie sotto flusso di pressione. La soluzione di serie di Fourier per l&#39;equazione di convezione-diffusione tridimensionale &egrave; ottenuta utilizzando un metodo di trasformazione integrale doppio e associati eigensystem calcolo. Un diagramma di fase derivata da dimensionali analisi sono presentata per interrogare le caratteristiche nei diversi regimi di trasporto e accuratamente esaminare la validit&agrave; del modello. Il modello analitico &egrave; verificato contro modelli sperimentali e numerici in termini il profilo di concentrazione, diffusione scaling legge e l&#39;efficienza di miscelazione con accordo eccellente (con &lt; 0,5% errore relativo). Confronto quantitativo contro altri precedenti modelli analitici in spazio ampio parametro viene eseguita anche, che dimostra che l&#39;attuale modello accomoda regimi di trasporto molto pi&ugrave; ampie con applicabilit&agrave; notevolmente migliorata.

Diffusione trasversale-flusso sotto pressione-driven flusso di microcanali con proporzioni arbitrarie: uno studio di diagramma di fase utilizzando un modello analitico tridimensionale.

&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x306F;&#x5727;&#x529B;&#x99C6;&#x52D5;&#x6D41;&#x306E;&#x4E0B;&#x3067;&#x4EFB;&#x610F;&#x306E;&#x30A2;&#x30B9;&#x30DA;&#x30AF;&#x30C8;&#x6BD4;&#x77E9;&#x5F62;&#x30DE;&#x30A4;&#x30AF;&#x30ED; &#x30C1;&#x30E3;&#x30F3;&#x30CD;&#x30EB;&#x306B;&#x304A;&#x3051;&#x308B;&#x30AF;&#x30ED;&#x30B9; &#x30B9;&#x30C8;&#x30EA;&#x30FC;&#x30E0;&#x62E1;&#x6563;&#x8F38;&#x9001;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B; 3 &#x6B21;&#x5143;&#x306E;&#x89E3;&#x6790;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x63D0;&#x6848;&#x3059;&#x308B;.&#x4E09;&#x6B21;&#x5143;&#x79FB;&#x6D41;&#x62E1;&#x6563;&#x65B9;&#x7A0B;&#x5F0F;&#x3092;&#x30D5;&#x30FC;&#x30EA;&#x30A8;&#x7D1A;&#x6570;&#x30BD;&#x30EA;&#x30E5;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306F;&#x4E8C;&#x91CD;&#x7A4D;&#x5206;&#x5909;&#x63DB;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x53D6;&#x5F97;&#x3055;&#x308C;&#x3001;&#x56FA;&#x6709;&#x30B7;&#x30B9;&#x30C6;&#x30E0;&#x8A08;&#x7B97;&#x306B;&#x95A2;&#x9023;&#x4ED8;&#x3051;&#x3089;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x76F8;&#x56F3;&#x6D3E;&#x751F;&#x304B;&#x3089;&#x6B21;&#x5143;&#x5206;&#x6790;&#x3092;&#x63D0;&#x793A;&#x3057;&#x3066;&#x5FB9;&#x5E95;&#x7684;&#x306B;&#x69D8;&#x3005; &#x306A;&#x8F38;&#x9001;&#x4F53;&#x5236;&#x306E;&#x7279;&#x6027;&#x3092;&#x5BE9;&#x5C0B;&#x3057;&#x3001;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x59A5;&#x5F53;&#x6027;&#x3092;&#x691C;&#x8A0E;&#x3057;&#x307E;&#x3059;&#x3002;&#x89E3;&#x6790;&#x30E2;&#x30C7;&#x30EB;&#x5B9F;&#x9A13;&#x3068;&#x6570;&#x5024;&#x30E2;&#x30C7;&#x30EB;&#x306B;&#x95A2;&#x3057;&#x3066;&#x76F8;&#x4F3C;&#x5247;&#x3068;&#x6DF7;&#x5408;&#x52B9;&#x7387;&#x3068;&#x512A;&#x308C;&#x305F;&#x5951;&#x7D04;&#x62E1;&#x6563;&#x6FC3;&#x5EA6;&#x30D7;&#x30ED;&#x30D5;&#x30A1;&#x30A4;&#x30EB;&#x306B;&#x5BFE;&#x3057;&#x3066;&#x691C;&#x8A3C;&#x3055;&#x308C;&#x307E;&#x3059; &#xFF08;&#x3068; &lt; 0.5% &#x76F8;&#x5BFE;&#x30A8;&#x30E9;&#x30FC;)&#x3002;&#x73FE;&#x5728;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x304C;&#x5927;&#x5E45;&#x306B;&#x5F37;&#x5316;&#x3055;&#x308C;&#x305F;&#x9069;&#x7528;&#x6027;&#x3092;&#x306F;&#x308B;&#x304B;&#x306B;&#x5E83;&#x7BC4;&#x306A;&#x8F38;&#x9001;&#x4F53;&#x5236;&#x3092;&#x53CE;&#x5BB9;&#x3092;&#x793A;&#x3057;&#x4ED6;&#x4E8B;&#x524D;&#x306E;&#x89E3;&#x6790;&#x7684;&#x30E2;&#x30C7;&#x30EB;&#x8C4A;&#x5BCC;&#x306A;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x7A7A;&#x9593;&#x306B;&#x304A;&#x3051;&#x308B;&#x5B9A;&#x91CF;&#x7684;&#x6BD4;&#x8F03;&#x306F;&#x307E;&#x305F;&#x5B9F;&#x884C;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;

&#x4EFB;&#x610F;&#x306E;&#x30A2;&#x30B9;&#x30DA;&#x30AF;&#x30C8;&#x6BD4;&#x3092;&#x6709;&#x3059;&#x308B;&#x30DE;&#x30A4;&#x30AF;&#x30ED;&#x6D41;&#x8DEF;&#x5185;&#x306E;&#x6D41;&#x308C;&#x306E;&#x5727;&#x529B;&#x99C6;&#x52D5;&#x4E0B;&#x306E;&#x30AF;&#x30ED;&#x30B9; &#x30B9;&#x30C8;&#x30EA;&#x30FC;&#x30E0;&#x62E1;&#x6563;: 3&#x6B21;&#x5143;&#x89E3;&#x6790;&#x30E2;&#x30C7;&#x30EB;&#x306B;&#x3088;&#x308B;&#x76F8;&#x56F3;&#x7814;&#x7A76;&#x3002;

&#xC774; &#xBB38;&#xC11C;&#xC5D0;&#xC11C;&#xB294; &#xC0AC;&#xAC01;&#xD615; microchannels &#xC555;&#xB825; &#xC81C;&#xC5B4; &#xD750;&#xB984;&#xC5D0;&#xC11C; &#xC784;&#xC758; &#xC885;&#xD6A1;&#xBE44;&#xC5D0; &#xD06C;&#xB85C;&#xC2A4; &#xC2A4;&#xD2B8;&#xB9BC; &#xBCF4;&#xAE09; &#xAD50;&#xD1B5; &#xC870;&#xC0AC; 3 &#xCC28;&#xC6D0; &#xBD84;&#xC11D; &#xBAA8;&#xB378; &#xC81C;&#xACF5;. 3 &#xCC28;&#xC6D0; &#xB300;&#xB958;-&#xD655;&#xC0B0; &#xBC29;&#xC815;&#xC2DD;&#xC5D0; &#xD478;&#xB9AC;&#xC5D0; &#xC2DC;&#xB9AC;&#xC988; &#xC194;&#xB8E8;&#xC158; &#xC774;&#xC911; &#xC815;&#xC218; &#xACC4;&#xC5F4; &#xBCC0;&#xD658; &#xBA54;&#xC11C;&#xB4DC;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xAC00;&#xC838;&#xC628; &#xBC0F; eigensystem &#xACC4;&#xC0B0; &#xD569;&#xB2C8;&#xB2E4;. &#xCC28;&#xC6D0;&#xC5D0;&#xC11C; &#xD30C;&#xC0DD; &#xB41C; &#xB2E8;&#xACC4; &#xB2E4;&#xC774;&#xC5B4;&#xADF8;&#xB7A8; &#xBD84;&#xC11D; &#xCCA0;&#xC800; &#xD558; &#xAC8C; &#xB2E4;&#xC591; &#xD55C; &#xC804;&#xC1A1; &#xC815;&#xAD8C;&#xC5D0;&#xC11C; &#xD2B9;&#xC131;&#xC744; &#xAC80;&#xC0AC; &#xD558; &#xACE0; &#xBAA8;&#xB378;&#xC758; &#xC720;&#xD6A8;&#xC131;&#xC744; &#xAC80;&#xC0AC; &#xD558; &#xC5EC;. &#xBD84;&#xC11D; &#xBAA8;&#xB378;&#xC740; &#xB18D;&#xB3C4; &#xD504;&#xB85C; &#xD30C;&#xC77C;, &#xD655;&#xC0B0; &#xBC95;, &#xD06C;&#xAE30; &#xC870;&#xC808; &#xBC0F; &#xBBF9;&#xC2F1; &#xD6A8;&#xC728; &#xC6B0;&#xC218;&#xD55C; &#xACC4;&#xC57D; &#xCE21;&#xBA74;&#xC5D0;&#xC11C; &#xC2E4;&#xD5D8; &#xBC0F; &#xC218;&#xCE58; &#xBAA8;&#xB378;&#xC5D0; &#xB300; &#xD55C; &#xD655;&#xC778; (&#xC640; &lt; 0.5% &#xC0C1;&#xB300; &#xC624;&#xCC28;). &#xAD11;&#xBC94;&#xC704; &#xD55C; &#xB9E4;&#xAC1C; &#xACF5;&#xAC04;&#xC5D0; &#xB2E4;&#xB978; &#xC0AC;&#xC804; &#xBD84;&#xC11D; &#xBAA8;&#xB378;&#xC5D0; &#xB300; &#xD55C; &#xC591;&#xC801; &#xBE44;&#xAD50;&#xB3C4; &#xD558;&#xB294; &#xD604;&#xC7AC;&#xC758; &#xBAA8;&#xB378; &#xD06C;&#xAC8C; &#xD5A5;&#xC0C1; &#xB41C; &#xC801;&#xC751;&#xC131;&#xC73C;&#xB85C; &#xD6E8;&#xC52C; &#xAD11;&#xBC94;&#xC704; &#xD55C; &#xC804;&#xC1A1; &#xC815;&#xAD8C;&#xC744; &#xC218;&#xC6A9; &#xBCF4;&#xC5EC;&#xC90D;&#xB2C8;&#xB2E4; &#xC218;&#xD589;.

&#xC784;&#xC758; &#xC885;&#xD6A1;&#xBE44;&#xAC00; microchannels&#xC5D0;&#xC11C; &#xC555;&#xB825; &#xC81C;&#xC5B4; &#xD750;&#xB984;&#xC5D0;&#xC11C; &#xD06C;&#xB85C;&#xC2A4; &#xC2A4;&#xD2B8;&#xB9BC; &#xBCF4;&#xAE09;: 3 &#xCC28;&#xC6D0; &#xBD84;&#xC11D; &#xBAA8;&#xB378;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xB2E8;&#xACC4; &#xB2E4;&#xC774;&#xC5B4;&#xADF8;&#xB7A8; &#xC5F0;&#xAD6C;.

Current techniques for mimicking the Blood-Brain Barrier (BBB) largely use incubation chambers (Transwell) separated with a filter and matrix coating to represent and to study barrier permeability. These devices have several critical shortcomings: (a) they do not reproduce critical microenvironmental parameters, primarily anatomical size or hemodynamic shear stress, (b) they often do not provide real-time visualization capability, and (c) they require a large amount of consumables. To overcome these limitations, we have developed a microfluidics based Synthetic Microvasculature model of the Blood-Brain Barrier (SyM-BBB). The SyM-BBB platform is comprised of a plastic, disposable and optically clear microfluidic chip with a microcirculation sized two-compartment chamber. The chamber is designed in such a way as to permit the realization of side-by-side apical and basolateral compartments, thereby simplifying fabrication and facilitating integration with standard instrumentation. The individually addressable apical side is seeded with endothelial cells and the basolateral side can support neuronal cells or conditioned media. In the present study, an immortalized Rat Brain Endothelial cell line (RBE4) was cultured in SyM-BBB with a perfusate of Astrocyte Conditioned Media (ACM). Biochemical analysis showed upregulation of tight junction molecules while permeation studies showed an intact BBB. Finally, transporter assay was successfully demonstrated in SyM-BBB indicating a functional model.

SyM-BBB: a microfluidic Blood Brain Barrier model.

This paper presents an analytical study of the cross-stream diffusion of an analyte in a rectangular microchannel under combined electroosmotic flow (EOF) and pressure driven flow to investigate the heterogeneous transport behavior and spatially-dependent diffusion scaling law. An analytical model capable of accurately describing 3D steady-state convection-diffusion in microchannels with arbitrary aspect ratios is developed based on the assumption of the thin Electric Double Layer (EDL). The model is verified against high-fidelity numerical simulation in terms of flow velocity and analyte concentration profiles with excellent agreement (<0.5% relative error). An extensive parametric analysis is then undertaken to interrogate the effect of the combined flow velocity field on the transport behavior in both the positive pressure gradient (PPG) and negative pressure gradient (NPG) cases. For the first time, the evolution from the spindle-shaped concentration profile in the PPG case, via the stripe-shaped profile (pure EOF), and finally to the butterfly-shaped profile in the PPG case is obtained using the analytical model along with a quantitative depiction of the spatially-dependent diffusion layer thickness and scaling law across a wide range of the parameter space.

Scaling Law for Cross-stream Diffusion in Microchannels under Combined Electroosmotic and Pressure Driven Flow.

Leukocytes play a key role in the early response to tissue injury/infection resulting from physical, chemical or biological stimuli. This process involves the initiation of the leukocyte adhesion cascade mediated by a series of interactions between receptors and ligands on the endothelium and the leukocytes. Here, we characterize the adhesion profile of functionalized particles under physiological flow conditions in an idealized synthetic microvascular network (SMN) characterized by a bifurcation. We hypothesize that differences in the level of adhesion of functionalized particles in bifurcating SMNs are dependent on the ratio of adhesion molecules on the particles as well as geometric features of the in vitro networks.

Adhesive interaction of functionalized particles and endothelium in idealized microvascular networks.

This paper presents a microfluidic electrical impedance flow cytometer (FC) for identifying the differentiation state of single stem cells. This device is comprised of a novel dual micropore design, which not only enhances the processing throughput, but also allows the associated electrodes to be used as a reference for one another. A signal processing algorithm, based on the support vector machine (SVM) theory, and a data classification method were developed to automate the identification of sample types and cell differentiation state based on measured impedance values. The device itself was fabricated using a combination of standard and soft lithography techniques to generate a PDMS-gold electrode construct. Experimental testing with non-biological particles and mouse embryonic carcinoma cells (P19, undifferentiated and differentiated) was carried out using a range of excitation frequencies. The effects of the frequency and the interrogation parameters on sample identification performance were investigated. It was found that the real and imaginary part of the detected impedance signal were adequate for distinguishing the undifferentiated P19 cells from non-biological polystyrene beads at all tested frequencies. A higher frequency and an opacity index were required to resolve the undifferentiated and differentiated P19 cells by capturing capacitive changes in electrophysiological properties arising from differentiation. The experimental results demonstrated salient accuracy of the device and algorithm, and established its feasibility for non-invasive, label-free identification of the differentiation state of the stem cells.

A microfluidic impedance flow cytometer for identification of differentiation state of stem cells.

Vascular endothelium offers a variety of therapeutic targets for the treatment of cancer, cardiovascular diseases, inflammation, and oxidative stress. Significant research has been focused on developing agents to target the endothelium in diseased tissues. This includes identification of antibodies against adhesion molecules and neovascular expression markers or peptides discovered using phage display. Such targeting molecules also have been used to deliver nanoparticles to the endothelium of the diseased tissue. Here we report, based on in vitro and in vivo studies, that the specificity of endothelial targeting can be enhanced further by engineering the shape of ligand-displaying nanoparticles. In vitro studies performed using microfluidic systems that mimic the vasculature (synthetic microvascular networks) showed that rod-shaped nanoparticles exhibit higher specific and lower nonspecific accumulation under flow at the target compared with their spherical counterparts. Mathematical modeling of particle-surface interactions suggests that the higher avidity and specificity of nanorods originate from the balance of polyvalent interactions that favor adhesion and entropic losses as well as shear-induced detachment that reduce binding. In vivo experiments in mice confirmed that shape-induced enhancement of vascular targeting is also observed under physiological conditions in lungs and brain for nanoparticles displaying anti-intracellular adhesion molecule 1 and anti-transferrin receptor antibodies.

Using shape effects to target antibody-coated nanoparticles to lung and brain endothelium.

This paper presents a Krylov subspace projection-based Reduced Order Model (ROM) for whole microfluidic chip thermal analysis, including conjugate heat transfer. Two key steps in the reduced order modeling procedure are described in detail, including (1) the acquisition of a 3D full-scale computational model in the state-space form to capture the dynamic thermal behavior of the entire microfluidic chip; and (2) the model order reduction using the Block Arnoldi algorithm to markedly lower the dimension of the full-scale model. Case studies using practically relevant thermal microfluidic chip are undertaken to establish the capability and to evaluate the computational performance of the reduced order modeling technique. The ROM is compared against the full-scale model and exhibits good agreement in spatiotemporal thermal profiles (<0.5% relative error in pertinent time scales) and over three orders-of-magnitude acceleration in computational speed. The salient model reusability and real-time simulation capability renders it amenable for operational optimization and in-line thermal control and management of microfluidic systems and devices.

Kapil Pant

Biomedical Technology

CFD RESEARCH CORPORATION

Generation of Shear Adhesion Map Using SynVivo Synthetic Microvascular Networks

Kapil Pant

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Biomedical Technology

CFD RESEARCH CORPORATION

Generation of Shear Adhesion Map Using SynVivo Synthetic Microvascular Networks

Biomedical Technology