Antifouling Properties of Pluronic and Tetronic Surfactants in Digital Microfluidics
Notice bibliographique
Résumé
Fouling at liquid-solid interfaces is a pernicious problem for a wide range of applications, including those that are implemented by digital microfluidics (DMF). There are several strategies that have been used to combat surface fouling in DMF, the most common being inclusion of amphiphilic surfactant additives in the droplets to be manipulated. Initial studies relied on Pluronic additives, and more recently, Tetronic additives have been used, which has allowed manipulation of complex samples like serum and whole blood. Here, we report our evaluation of 19 different Pluronic and Tetronic additives, with attempts to determine (1) the difference in antifouling performance between the two families, (2) the structural similarities that predict exceptional antifouling performance, and (3) the mechanism of the antifouling behavior. Our analysis shows that both Pluronic and Tetronic additives with modest molar mass, poly(propylene oxide) (PPO) ≥50 units, poly(ethylene oxide) (PEO) mass percentage ≤50%, and hydrophilic-lipophilic balance (HLB) ca. 13-15 allow for exceptional antifouling performance in DMF. The most promising candidates, P104, P105, and T904, were able to support continuous movement of droplets of serum for more than 2 h, a result (for devices operating in air) previously thought to be out of reach for this technique. Additional results generated using device longevity assays, intrinsic fluorescence measurements, dynamic light scattering, asymmetric flow field flow fractionation, supercritical angle fluorescence microscopy, atomic force microscopy, and quartz crystal microbalance measurements suggest that the best-performing surfactants are more likely to operate by forming a protective layer at the liquid-solid interface than by complexation with proteins. We propose that these results and their implications are an important step forward for the growing community of users of this technique, which may provide guidance in selecting surfactants for manipulating biological matrices for a wide range of applications.
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) | 0,000 | 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 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 ».