MétaCan
Menu
Retour à la cohorte
Enregistrement W2008933524 · doi:10.1039/c1lc20714h

3D thermoplastic elastomer microfluidic devices for biological probe immobilization

2011· article· en· W2008933524 sur OpenAlexaff
D. Brassard, Liviu Clime, Kebin Li, Matthias Geißler, Caroline Miville-Godin, Emmanuel Roy, Teodor Veres

Notice bibliographique

RevueLab on a Chip · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensNational Research Council Canada
Organismes subventionnairesStrong
Mots-clésMicrofluidicsElastomerThermoplastic elastomerNanotechnologyMaterials scienceThermoplasticPolymerComposite materialCopolymer

Résumé

récupéré en direct d'OpenAlex

Microfluidics has emerged as a valuable tool for the high-resolution patterning of biological probes on solid supports. Yet, its widespread adoption as a universal biological immobilization tool is still limited by several technical challenges, particularly for the patterning of isolated spots using three-dimensional (3D) channel networks. A key limitation arises from the difficulties to adapt the techniques and materials typically used in prototyping to low-cost mass-production. In this paper, we present the fabrication of thin thermoplastic elastomer membranes with microscopic through-holes using a hot-embossing process that is compatible with high-throughput manufacturing. The membranes provide the basis for the fabrication of highly integrated 3D microfluidic devices with a footprint of only 1 × 1 cm(2). When placed on a solid support, the device allows for the immobilization of up to 96 different probes in the form of a 10 × 10 array comprising isolated spots of 50 × 50 μm(2). The design of the channel network is optimized using 3D simulations based on the Lattice-Boltzmann method to promote capillary action as the sole force distributing the liquid in the device. Finally, we demonstrate the patterning of DNA and protein arrays on hard thermoplastic substrates yielding spots of excellent definition that prove to be highly specific in subsequent hybridization experiments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil0,475

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,216
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207