Method for Characterization of Passive Mechanical Filtration of Particles in Digital Microfluidic Devices
Notice bibliographique
Résumé
The ability to remove unbound biological material from a reaction site has applications in many biological protocols, such as those used to detect pathogens and biomarkers. One specific application where washing is critical is the Enzyme-Linked ImmunoSorbent Assay (ELISA). This protocol requires multiple washing steps to remove multiple reagents from a reaction site. Previous work has suggested that a passive mechanical comb filter can be used to wash particles in digital microfluidic devices. A method for the characterization of passive mechanical filtration of particles in Digital MicroFluidic (DMF) devices is presented in this work. In recent years there has been increased development of Lab-On-A-Chip (LOAC) devices for the automation and miniaturization of biological protocols. One platform for further research is in digital microfluidics. A digital microfluidic device can control the movement of pico-to nanoliter droplets of fluid using electrical signals without the use of pumps, valves, and channels. As such, fluidic pathways are not hardwired and the path of each droplet can be easily reconfigured. This is advantageous in biological protocols requiring the use of multiple reagents. Fabrication of these devices is relatively straight forward, since fluid manipulation is possible without the use of complex components. This work presents a method to characterize the performance of a digital microfluidic device using passive mechanical supernatant dilution via image analysis using a low cost vision system. The primary metric for performance of the device is particle retention after multiple passes through the filter. Repeatability of the process will be examined by characterizing performance of multiple devices using the same filter geometry. Qualitative data on repeatability and effectiveness of the dilution technique will also be attained by observing the ease with which the droplet disengages from the filter and by measuring the quantity of fluid trapped on the filter after each filtration step.
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 ».