Simulation of nanoparticle transport and adsorption in a microfluidic lung-on-a-chip device
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 découle