Simulation of nanoparticle transport and adsorption in a microfluidic lung-on-a-chip device
Notice bibliographique
Résumé
models for such studies, lung-on-a-chip (LOAC) devices can represent key physical and physiological aspects of alveolar tissues. However, widespread adoption of the LOAC device for NP testing has been hampered by low intra-laboratory and inter-laboratory reproducibility. To complement ongoing experimental work, we carried out finite-element simulations of the deposition of NPs on the epithelial layer of a well-established LOAC design. We solved the Navier-Stokes equations for the fluid flow in a three-dimensional domain and studied the particle transport using Eulerian advection-diffusion for fine NPs and Lagrangian particle tracking for coarse NPs. Using Langmuir and Frumkin kinetics for surface adsorption and desorption, we investigated NP adsorption under different exercise and breath-holding patterns. Conditions mimicking physical exercise, through changes in air-flow volume and breathing frequency, enhance particle deposition. Puff profiles typical of smoking, with breath-holding between inhalation and exhalation, also increase particle deposition per breathing cycle. Lagrangian particle tracking shows Brownian motion and gravitational settling to be two key factors, which may cooperate or compete with each other for different particle sizes. Comparisons are made with experimental data where possible and they show qualitative and semi-quantitative agreement. These results suggest that computer simulations can potentially inform and accelerate the design and application of LOAC devices for analyzing particulate- and microbe-alveolar interactions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».