Label-free high-throughput detection and content sensing of individual droplets in microfluidic systems
Notice bibliographique
Résumé
This study reports a microwave-microfluidics integrated approach capable of performing droplet detection at high-throughput as well as content sensing of individual droplets without chemical or physical intrusion. The sensing system consists of a custom microwave circuitry and a spiral-shaped microwave resonator that is integrated with microfluidic chips where droplets are generated. The microwave circuitry is very cost effective by using off-the-shelf components only. It eliminates the need for bulky benchtop equipment, and provides a compact, rapid and sensitive tool compatible for Lab-on-a-Chip (LOC) platforms. To evaluate the resonator's sensing capability, it was first applied to differentiate between single-phase fluids which are aqueous solutions with different concentrations of glucose and potassium chloride respectively by measuring its reflection coefficient as a function of frequency. The minimum concentration assessed was 0.001 g ml(-1) for potassium chloride and 0.01 g ml(-1) for glucose. In the droplet detection experiments, it is demonstrated that the microwave sensor is able to detect droplets generated at as high throughput as 3.33 kHz. Around two million droplets were counted over a period of ten minutes without any missing. For droplet sensing experiments, pairs of droplets that were encapsulated with biological materials were generated alternatively in a double T-junction configuration and clearly identified by the microwave sensor. The sensed biological materials include fetal bovine serum, penicillin antibiotic mixture, milk (2% mf) and d-(+)-glucose. This system has significant advantages over optical detection methods in terms of its cost, size and compatibility with LOC settings and also presents significant improvements over other electrical-based detection techniques in terms of its sensitivity and 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 ».