MétaCan
Menu
Retour à la cohorte
Enregistrement W2793013760 · doi:10.3389/fphys.2018.00161

Transport and Mixing Induced by Beating Cilia in Human Airways

2018· article· en· W2793013760 sur OpenAlexafffund
Sylvain Chateau, Umberto D’Ortona, Sébastien Poncet, Julien Favier

Notice bibliographique

RevueFrontiers in Physiology · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute CanadaAix-Marseille Université
Mots-clésCiliumMucusMechanicsMixing (physics)Motile ciliumLattice Boltzmann methodsPhysicsVortexVortex sheddingBoundary layerClassical mechanicsMaterials scienceReynolds numberBiologyTurbulence

Résumé

récupéré en direct d'OpenAlex

The fluid transport and mixing induced by beating cilia, present in the bronchial airways, are studied using a coupled lattice Boltzmann-Immersed Boundary solver. This solver allows the simulation of both single and multi-component fluid flows around moving solid boundaries. The cilia are modeled by a set of Lagrangian points, and Immersed Boundary forces are computed onto these points in order to ensure the no-slip velocity conditions between the cilia and the fluids. The cilia are immersed in a two-layer environment: the periciliary layer (PCL) and the mucus above it. The motion of the cilia is prescribed, as well as the phase lag between two cilia in order to obtain a typical collective motion of cilia, known as metachronal waves. The results obtained from a parametric study show that antiplectic metachronal waves are the most efficient regarding the fluid transport. A specific value of phase lag, which generates the larger mucus transport, is identified. The mixing is studied using several populations of tracers initially seeded into the pericilary liquid, in the mucus just above the PCL-mucus interface, and in the mucus far away from the interface. We observe that each zone exhibits different chaotic mixing properties. The larger mixing is obtained in the PCL layer where only a few beating cycles of the cilia are required to obtain a full mixing, while above the interface, the mixing is weaker and takes more time. Almost no mixing is observed within the mucus, and almost all the tracers do not penetrate the PCL layer. Lyapunov exponents are also computed for specific locations to assess how the mixing is performed locally. Two time scales are introduced to allow a comparison between mixing induced by fluid advection and by molecular diffusion. These results are relevant in the context of respiratory flows to investigate the transport of drugs for patients suffering from chronic respiratory diseases.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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'étudeSimulation ou modélisation
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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PhysiologyMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207