Optimizing the rotor design for controlled‐shear affinity filtration using computational fluid dynamics
Notice bibliographique
Résumé
Controlled shear affinity filtration (CSAF) is a novel integrated processing technology that positions a rotor directly above an affinity membrane chromatography column to permit protein capture and purification directly from cell culture. The conical rotor is intended to provide a uniform and tunable shear stress at the membrane surface that inhibits membrane fouling and cell cake formation by providing a hydrodynamic force away from and a drag force parallel to the membrane surface. Computational fluid dynamics (CFD) simulations are used to show that the rotor in the original CSAF device (Vogel et al., 2002) does not provide uniform shear stress at the membrane surface. This results in the need to operate the system at unnecessarily high rotor speeds to reach a required shear stress of at least 0.17 Pa at every radial position of the membrane surface, compromising the scale-up of the technology. Results from CFD simulations are compared with particle image velocimetry (PIV) experiments and a numerical solution for low Reynolds number conditions to confirm that our CFD model accurately describes the hydrodynamics in the rotor chamber of the CSAF device over a range of rotor velocities, filtrate fluxes, and (both laminar and turbulent) retentate flows. CFD simulations were then carried out in combination with a root-finding method to optimize the shape of the CSAF rotor. The optimized rotor geometry produces a nearly constant shear stress of 0.17 Pa at a rotational velocity of 250 rpm, 60% lower than the original CSAF design. This permits the optimized CSAF device to be scaled up to a maximum rotor diameter 2.5 times larger than is permissible in the original device, thereby providing more than a sixfold increase in volumetric throughput.
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 ».