MétaCan
Menu
Retour à la cohorte
Enregistrement W2149961543 · doi:10.1039/b304614a

Effects of liquid conductivity differences on multi-component sample injection, pumping and stacking in microfluidic chips

2003· article· en· W2149961543 sur OpenAlexafffund
David Sinton, Liqing Ren, Xiangchun Xuan, Dongqing Li

Notice bibliographique

RevueLab on a Chip · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Capillary Electrophoresis Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStackingConductivityAnalyteMicrofluidicsSample (material)Materials scienceSample preparationAnalytical Chemistry (journal)ChemistryChromatographyNanotechnology

Résumé

récupéré en direct d'OpenAlex

As an increasing number of processes are being integrated into Lab-on-a-chip devices, there is an increasing need for flexible and accurate sample manipulation techniques for effective transport and separation. Conductivity differences between running buffer and analyte samples can arise as a product of on-chip processing, or by design. The two situations studied here are sample pumping (where bulk transport is increased and separation of charged analytes is delayed using a relatively high conductivity sample), and sample stacking (where bulk transport is decreased and separation of charged analytes is expedited using a relatively low conductivity sample). A recently developed dynamic loading method for on-chip sample injection in a straight-cross channel configuration is applied here to both pumping and stacking cases. A key characteristic of the dynamic loading method is the ability to inject samples of high concentration density and uniformity of any length. By employing the conductivity differences alone, the effectiveness of either sample transport or sample separation are shown to improve over the uniform conductivity case. Then it is demonstrated that increasing the sample length, through dynamic loading, greatly increases the effectiveness of sample pumping, evidenced in an eight-fold increase in peak height as well as a decrease in total sample length at a downstream detector. Dynamic loading in the sample stacking case was shown to also increase peak intensity height (three-fold) in rapid separations. These results demonstrate that the dynamic loading technique, used in conjunction with strategic conductivity differences, significantly extends the capabilities of microfluidic chips.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

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