Continuous High‐Throughput Plasma Separation for Blood Biomarker Sensing Using a Hydrodynamic Microfluidic Device
Notice bibliographique
Résumé
Continuous, cost-effective, high-throughput with admissible yield and purity of blood plasma separation is widely needed for biomarker detection in the clinic. The existing gold standard technique (centrifugation) and microfluidic technologies fall short of meeting these criteria. In this study, a microfluidic device design is demonstrated based on passive hydrodynamic principles to achieve admissible yield and purity plasma samples. Through computational and experimental assessments, it is shown that side channels with varying lengths are required to improve the plasma extraction rate. The optimized side channels in this device design use the formed cell-free layer regions in the expanded areas to extract plasma consistently and efficiently. These Hydrodynamic Continuous, High-Throughput Plasma Separator (HCHPS) microfluidic devices achieve a purity in the range of 47% to 64% with whole blood and maintaining a yield of 10% to 18%, with half hemolysis compared to gold standard centrifugation. These devices also separate the plasma from diluted blood with a purity in the range of 62% to 97% with a similar yield range. Additionally, whole human blood spiked with lactate was processed through the HCHPS device, and the separated plasma is collected and analyzed using two biosensing approaches, a bead-based fluorescence, and an electrochemical aptamer biosensing, confirming the quality of plasma for downstream biomarker detection.
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 | 0,000 |
| 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) | 0,001 | 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 ».