MétaCan
Menu
Retour à la cohorte
Enregistrement W2035944630 · doi:10.1021/ac060553d

Numeric Simulation of Heat Transfer and Electrokinetic Flow in an Electroosmosis-Based Continuous Flow PCR Chip

2006· article· en· W2035944630 sur OpenAlexafffund
Lin Gui, Carolyn L. Ren

Notice bibliographique

RevueAnalytical Chemistry · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrokinetic phenomenaChemistryHeat transferMicrofluidicsMechanicsFlow (mathematics)Electro-osmosisChipFluid dynamicsVolumetric flow rateNanotechnologyElectrophoresisMaterials scienceElectrical engineeringChromatographyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Precise design and operational control of the polymerase chain reaction process is key to the performance of on-chip DNA analysis. This research is dedicated to understanding the fluid flow and heat transfer mechanisms occurring in continuous flow PCR chips from the engineering point of view. In this work, a 3-dimensional model was developed to simulate the electrical potential field, the flow field, and the temperature field in an electroosmosis-based continuous flow PCR chip. On the basis of the simultaneous solution to this model, the effects of the channel/chip size, the chip material, and the applied voltage difference on the temperature distribution and control are discussed in detail. The importance of each heat transfer mechanism for different situations is also discussed. It was found that if a larger chip thickness or a material with a lower heat conductivity was used, the temperature in the microfluidic PCR chip would decrease dramatically. The effects of the applied electrical field strength and flow velocity on the temperature distribution, however, are negligible for microchannels with a small cross-sectional area. With bigger channels, the flow direction will affect the temperature distribution in the channel because heat convection will dominate heat transfer.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,691

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 Opus0,004
Tête enseignante GPT0,201
Écart entre enseignants0,197 · 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

Citations37
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMicrofluidic and Capillary Electrophoresis ApplicationsTravaux en français237 207