Dielectrophoresis for Manipulation of Bioparticles
Notice bibliographique
Résumé
The objective of the present chapter is to provide a comprehensive description of dielectrophoresis (DEP), an electrokinetic technique, which has immense capability to manipulate bioparticles from microto nano-scale range. DEP is the movement of dielectric particles due to polarization effects in nonuniform electric fields (Pohl, 1978). The usual way of applying this technique is by flowing/placing the suspended particle solution on the planar microelectrode structures. The advancements in micro/nano fabrication techniques help in the development of such micro/nano electrode structures to generate the nonuniform electric field in DEP channels (Hughes, 2003). DEP assisted by such miniaturized electrodes have been used for separating, sorting, positioning, trapping, concentrating, and mixing (Gunda et al., 2009) of biomolecules such as cells, bacteria, virus, DNA and proteins (Basuray & Chang, 2010; Bunthawin et al., 2010; Church et al., 2009; Du et al., 2008; Ferrier et al., 2008; Gagnon et al., 2009; Hughes, 2003; Hwang et al., 2009; Jones, 1995; Lewpiriyawong et al., 2008; Lin & Yeow, 2007; Nguyen & Werely, 2006; Parikesit et al., 2008; Pohl, 1978; Wei et al., 2009; Yang et al., 2010; Zhu et al., 2010). These applications of DEP for manipulating such bioparticles has been further exploited in different fields namely drug delivery, food diagnostics, point of care analysis, biomedical, etc (Hughes, 2003). The present chapter begins with brief description of DEP theory and mathematical modeling of DEP force field and spatial concentration distribution of particles inside the microchannel embedded with array of rectangular microelectrodes at the bottom. Then fabrication and experimental details of such DEP microfluidic device to manipulate bioparticles is discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».