Controlled Shrinkage of Microfluidically Generated Microbubbles by Tuning Lipid Concentration
Notice bibliographique
Résumé
Monodisperse microbubbles with diameters less than 10 μm are desirable in several ultrasound imaging and therapeutic delivery applications. However, conventional approaches to synthesize microbubbles, which are usually agitation-based, produce polydisperse bubbles that are less desirable because of their heterogeneous response when exposed to an ultrasound field. Microfluidics technology has the unique advantage of generating size-controlled monodisperse microbubbles, and it is now well established that the diameter of microfluidically made microbubbles can be tuned by varying the liquid flow rate, gas pressure, and dimensions of the microfluidic channel. It is also observed that once the microbubbles form, the bubbles shrink and eventually stabilize to a quasi-equilibrium diameter, and that the rate of stabilization is related to the lipid solution. However, how the lipid solution concentration affects the degree of bubble shrinkage, and the stable size of microbubbles, has not been thoroughly examined. Here, we investigate whether and how the lipid concentration affects the degree of microbubble shrinkage. Namely, we utilize a flow-focusing microfluidic geometry to generate monodisperse bubbles, and observe the effect of gas composition (2.5, 1.42, and 0.17 wt % octafluoropropane in nitrogen) and lipid concentration (1-16 mg/mL) on the degree of microbubble shrinkage. For the lipid system and gas utilized in these experiments, we observe a monotonic increase in the degree of microbubble shrinkage with decreasing lipid concentration, and no dependency on the gas composition. We hypothesize that the degree of shrinkage is related to lipid concentration by the self-assembly of lipids on the gas-liquid interface during bubble generation and subsequent lipid packing on the interface during shrinkage, which is arrested when a maximum packing density is achieved. We anticipate that this approach for creating and tuning the size of monodisperse microbubbles will find utility in biomedical applications, such as contrast-enhanced ultrasound imaging and ultrasound-triggered gene delivery.
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) | 0,000 | 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 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 ».