Water-in-Water Droplets by Passive Microfluidic Flow Focusing
Notice bibliographique
Résumé
We present a simple microfluidic system that generates water-in-water, aqueous two phase system (ATPS) droplets, by passive flow focusing. ATPS droplet formation is achieved by applying weak hydrostatic pressures, with liquid-filled pipette tips as fluid columns at the inlets, to introduce low speed flows to the flow focusing junction. To control the size of the droplets, we systematically vary the interfacial tension and viscosity of the ATPS fluids and adjust the fluid column height at the fluid inlets. The size of the droplets scales with a power law of the ratio of viscous stresses in the two ATPS phases. Overall, we find a drop size coefficient of variation (CV; i.e., polydispersity) of about 10%. We also find that when drops form very close to the flow focusing junction, the drops have a CV of less than 1%. Our droplet generation method is easily scalable: we demonstrate a parallel system that generates droplets simultaneously and improves the droplet production rate by up to one order of magnitude. Finally, we show the potential application of our system for encapsulating cells in water-in-water emulsions by encapsulating microparticles and cells. To the best of our knowledge, our microfluidic technique is the first that forms low interfacial tension ATPS droplets without applying external perturbations. We anticipate that this simple approach will find utility in drug and cell delivery applications because of the all-biocompatible nature of the water-in-water ATPS environment.
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) | 0,001 | 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 ».