Conventional and emerging strategies for the fabrication and functionalization of PDMS-based microfluidic devices
Notice bibliographique
Résumé
Microfluidics is an emerging and multidisciplinary field that is of great interest to manufacturers in medicine, biotechnology, and chemistry, as it provides unique tools for the development of point-of-care diagnostics, organs-on-chip systems, and biosensors. Polymeric microfluidics, unlike glass and silicon, offer several advantages such as low-cost mass manufacturing and a wide range of beneficial material properties, which make them the material of choice for commercial applications and high-throughput systems. Among polymers used for the fabrication of microfluidic devices, polydimethylsiloxane (PDMS) still remains the most widely used material in academia due to its advantageous properties, such as excellent transparency and biocompatibility. However, commercialization of PDMS has been a challenge mostly due to the high cost of the current fabrication strategies. Moreover, specific surface modification and functionalization steps are required to tailor the surface chemistry of PDMS channels (e.g. biomolecule immobilization, surface hydrophobicity and antifouling properties) with respect to the desired application. While significant research has been reported in the field of PDMS microfluidics, functionalization of PDMS surfaces remains a critical step in the fabrication process that is difficult to navigate. This review first offers a thorough illustration of existing fabrication methods for PDMS-based microfluidic devices, providing several recent advancements in this field with the aim of reducing the cost and time for mass production of these devices. Next, various conventional and emerging approaches for engineering the surface chemistry of PDMS are discussed in detail. We provide a wide range of functionalization techniques rendering PDMS microchannels highly biocompatible for physical or covalent immobilization of various biological entities while preventing non-specific 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».