Integration of hydrogels into microfluidic devices with porous membranes as scaffolds enables their drying and reconstitution
Notice bibliographique
Résumé
Hydrogels are a critical component of many microfluidic devices. They have been used in cell culture applications, biosensors, gradient generators, separation microdevices, micro-actuators, and microvalves. Various techniques have been utilized to integrate hydrogels into microfluidic devices such as flow confinement and gel photopolymerization. However, in these methods, hydrogels are typically introduced in post processing steps which add complexity, cost, and extensive fabrication steps to the integration process and can be prone to user induced variations. Here, we introduce an inexpensive method to locally integrate hydrogels into microfluidic devices during the fabrication process without the need for post-processing. In this method, porous and fibrous membranes such as electrospun membranes are used as scaffolds to hold gels and they are patterned using xurography. Hydrogels in various shapes as small as 200 μm can be patterned using this method in a scalable manner. The electrospun scaffold facilitates drying and reconstitution of these gels without loss of shape or leakage that is beneficial in a number of applications. Such reconstitution is not feasible using other hydrogel integration techniques. Therefore, this method is suitable for long time storage of hydrogels in devices which is useful in point-of-care (POC) devices. This hydrogel integration method was used to demonstrate gel electrophoretic concentration and quantification of short DNA (150 bp) with different concentrations in rehydrated agarose embedded in electrospun polycaprolactone (PCL) membrane. This can be developed further to create a POC device to quantify cell-free DNA, which is a prognostic biomarker for severe sepsis patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».