微流控

微流控[編輯]

維基百科，自由的百科全書
跳至導覽跳至搜尋
微流控是一種精確控制和操控微尺度流體的技術，尤其特指亞微米結構的技術。 特別的，微意味著以下的特性：
  • 微小的容量（納升，皮升，飛升級別）
  • 微小的體積
  • 低能量消耗
  • 裝置本身占用體積小
微流控利用對於微尺度下流體的控制，是一個包括了工程學，物理學，化學，微加工和生物工程的多交叉學科。
微流控在20世紀80年代興起，並在DNA晶片，晶片實驗室，微進樣技術，微熱力學技術得到了發展。
微流控研究的空間特徵尺度範圍在1微米(10-6米)至1毫米(10-3米)。

微觀流體行為[編輯]

矽橡膠和玻璃微流控裝置。 頂部：設備的照片。 底部：蜿蜒通道〜15微米（μm）寬的相差顯微照相。
流體在微觀上的行為與宏觀流體的行為的主要區別在於在微觀尺度重力和慣性不再起主導作用。而表面張力，能量耗散，及流體阻力開始主導著流體行為。微流控研究這些行為如何變化，以及如何解決這些行為，或者為新用途而開發[1][2][3][4]。
在流體通道的尺寸約為100奈米（nm）-500微米（μm），直到2毫米以下（<2mm a="" href="https://zh.wikipedia.org/wiki/%E9%9B%B7%E8%AF%BA%E6%95%B0" style="background-attachment: initial; background-clip: initial; background-image: none; background-origin: initial; background-position: initial; background-repeat: initial; background-size: initial; color: #0b0080; text-decoration: none;" title="雷諾數">雷諾數
（比較慣性力和粘性力的常數）變的很小，大部分的流態成了層流而非湍流。 當幾束流體並行時，不會發生混合，而流體之間的物質交流則依賴於相對而言緩慢無效率的擴散。它們之間的分子轉移必須常常考慮擴散作用[5]。這個性質在微流體儀器中顯得尤為重要。所以微流體儀器可以比傳統實驗條件獲得更精細，更穩定的化學梯度。
化學和物理性質（濃度，pH，溫度，剪切力等）的高特異性也可以被確保，從而在單次和多步反應中產生更均勻的反應條件和較高級別的產物[6][7]。

主要應用領域[編輯]

微流體結構包括微氣體系統，即用於處理片外流體（液體泵，氣體閥等）的微系統，以及用於片上處理納升（nl）和皮升（pl）體積的微流體結構[8]。迄今為止，最成功的微流體的商業應用是噴墨列印頭[9]。此外，微流體製造的進步允許以低成本塑料生產設備[10]，並且可以自動驗證部件質量[11]。

微流體技術的進步正在革新分子生物學方法進行酶分析（如葡萄糖和乳酸分析），DNA分析（如聚合酶鏈式反應和高通量測序）和蛋白質組學。微流體生物晶片的基本思想是將檢測操作，以及樣品預處理和樣品製備在一個晶片上進行整合[12][13]。
生物晶片的新興應用領域是臨床病理學，特別是疾病的即時現場診斷。此外，能夠對生化毒素和其他危險病原體的空氣/水樣進行連續採樣和實時測試的基於微流體的設備可以作為一個永遠在線的「生物煙霧報警器」進行預警。
微流控技術已經為生物學家創造了強大的工具來控制整個的細胞環境，從而導致新的問題和新的發現。
該技術在微生物學方面的多種優勢如下所示：
  • 一般單細胞研究包括生長[14][15]
  • 細胞衰老：諸如「母機」之類的微流體裝置允許跟蹤數千個單個細胞數代，直到它們死亡[14]
  • 微環境控制：從機械環境[16]到化學環境[17]
  • 通過在單個設備中引入多個化學輸入來確定精確的時空濃度梯度 [18]

參閱[編輯]

參考資料[編輯]

  1. ^ S.C.Terry,J.H.Jerman and J.B.Angell:A Gas Chromatographic Air Analyzer Fabricated on a Silicon Wafer,IEEE Trans.Electron Devices,ED-26,12(1979)1880-1886.
  2. ^ Kirby, B.J. Micro- and Nanoscale Fluid Mechanics: Transport in Microfluidic Devices. Cambridge University Press. 2010.
  3. ^ Karniadakis, G.M., Beskok, A., Aluru, N. Microflows and Nanoflows. Springer Verlag. 2005.
  4. ^ Bruus, H. Theoretical Microfluidics. Oxford University Press. 2007.
  5. ^ Tabeling, P. Introduction to Microfluidics. Oxford University Press. 2005.
  6. ^ Chokkalingam, V.; Weidenhof, B.; Kraemer, M.; Maier, W. F.; Herminghaus, S.; Seemann, R.Optimized droplet-based microfluidics scheme for sol–gel reactions. Lab Chip. 2010, 10: 1700.doi:10.1039/b926976b.
  7. ^ Shestopalov, J; Tice, J. D.; Ismagilov, R. F. Multi-step synthesis of nanoparticles performed on millisecond time scale in a microfluidic droplet-based system. Lab Chip. 2004, 4: 316–321.doi:10.1039/b403378g.
  8. ^ Nguyen, N.T., Wereley, S. Fundamentals and Applications of Microfluidics. Artech House. 2006.
  9. ^ Andrew. Control and detection of chemical reactions in microfluidic systems. Nature. 2006, 442 (7101): 394–402. Bibcode:2006Natur.442..394D.doi:10.1038/nature05062.
  10. ^ Ryan S. Pawell, David W. Inglis, Tracie J. Barber, and Robert A. Taylor, Manufacturing and wetting low-cost microfluidic cell separation devices, Biomicrofluidics 7, 056501 (2013);doi:10.1063/1.4821315
  11. ^ Automating microfluidic part verification - Online First - Springer
  12. ^ Herold, KE; Rasooly, A (editor). Lab-on-a-Chip Technology: Fabrication and Microfluidics. Caister Academic Press. 2009. ISBN 978-1-904455-46-2.
  13. ^ Herold, KE; Rasooly, A (editor). Lab-on-a-Chip Technology: Biomolecular Separation and Analysis. Caister Academic Press. 2009. ISBN 978-1-904455-47-9.
  14. ^ 移至：14.0 14.1 Wang, P; Robert, L; Dang, WL; Taddei, F; Wright, A; Jun, S. Robust growth of Escherichia coli. Current Biology. 2010, 20 (12): 1099–1103.PMC 2902570. PMID 20537537.doi:10.1016/j.cub.2010.04.045.
  15. ^ 引用錯誤：沒有為名為pubs.rsc.org的參考文獻提供內容
  16. ^ Amir Manbachi; Shamit Shrivastava; Margherita Cioffi; Bong Geun Chung; Matteo Moretti; Utkan Demirci; Marjo Yliperttula; Ali Khademhosseini.Microcirculation within grooved substrates regulates cell positioning and cell docking inside microfluidic channels. Lab Chip. 2008, 8 (5): 747–754.PMC 2668874. PMID 18432345.doi:10.1039/B718212K.
  17. ^ Marjo Yliperttulaa, Bong Geun Chunga, Akshay Navaladia, Amir Manbachi, Arto Urtt. High-throughput screening of cell responses to biomaterials. European Journal of Pharmaceutical Sciences. October 2008, 35 (3): 151–160. PMID 18586092.doi:10.1016/j.ejps.2008.04.012.
  18. ^ Chung BG, Manbachi A, Saadi W, Lin F, Jeon NL, Khademhosseini A. A gradient-generating microfluidic device for cell biology.. J Vis Exp. 2007, 7 (7): 271.PMC 2565846. PMID 18989442.doi:10.3791/271.

留言

張貼留言

這個網誌中的熱門文章

數學日常生活中的應用(機率篇)

圖片
生活例子 [ 編輯 ] 人們對機率總是有一點觸摸不清的感覺，而事實上也有很多看似奇異的結果： 1;  六合彩 ：在六合彩（49選6）中，一共有13,983,816種可能性（參閱 組合數學 ）， 如果每周都買一組不相同的號，一年有52周，則在實驗越多次（一直買直到中獎算一次）之後，平均中獎所花的時間會越接近 {\displaystyle {\frac {13983816}{52}}=268919} 。 事實上，即使每周買相同的號，獲得頭獎的機率也是相同的。 但假設每周實際中獎的組合都不重複，268919年的 算術 推論是正確的，這說明機率和其他數學理論可能導出不同的結論。 2; 六合彩：仍然是六合彩。買5, 17, 19, 24, 33, 49中奬機率高還是買1,2,3,4,5,6的中奬機率高? 古典機率論說：一樣。 但實際上 機械 或 彩球 製造上都有些 微 小的差異，所以每組機率不一定完全相同，但必須累積多期開獎結果後才看得出來。 3;  生日悖論 ：在一個足球場上有23個人（2×11個運動員和1個裁判員）， 不可思議的是，在這23人當中至少有兩個人的生日是在同一天的機率要大於50％。 如果這23人都沒有相同的生日也不違反機率，只是小於50％。 4;  輪盤 遊戲：在遊戲中玩家可能認為，在連續出現多次紅色後，出現黑色的機率會越來越大。 這種判斷也是錯誤的，即出現黑色的機率每次是相等的，因為球本身並沒有「記憶」， 它不會意識到以前都發生了什麼，其機率始終是 {\displaystyle {\frac {18}{37}}} 。 但輪盤的前後期開獎數字形成 時間序列 （可能存在 自迴歸模型 ）。 5; 贏取電視節目裡的名車：在參賽者面前有三扇關閉的門，其中只有一扇後面有名車，而其餘的後面是山羊。 遊戲規則是，參賽者先選取一扇門，但在他打開之前，主持人在其餘兩扇門中打開了一扇有山羊的門， 並詢問參賽者是否改變主意選擇另一扇門，以使贏得名車的機率變大。 正確的分析結果是， 假如不管開始哪一扇門被選，主持人都打開其餘兩扇門中有山羊的那一扇 並詢問參賽者是否改變主意，  則改變主意會使贏得汽車的機率增加一倍； （「標準」的 三門問題 情況。） 假如主持人只在有名車那扇門被選中...
閱讀完整內容

機率分佈與常見的分布--常態分佈

圖片
機率分佈 [ 編輯 ] 維基百科，自由的百科全書 跳至導覽 跳至搜尋 機率分佈 （德語： Wahrscheinlichkeitsverteilung ； 英語： probability distribution ）或簡稱 分佈 ，是 機率論 的一個概念。使用時可以有以下兩種含義： 廣義地，它指稱隨機變量的機率性質－－當我們說 機率空間 {\displaystyle (\Omega ,{\mathcal {F}},\mathbb {P} )} 中的兩個 隨機變量 X 和 Y 具有同樣的分佈（或同分佈）時，我們是無法用機率 {\displaystyle \mathbb {P} } 來區別他們的。換言之： 稱 X 和 Y 為同分佈的隨機變量，當且僅當對任意 事件 {\displaystyle A\in {\mathcal {F}}} ，有 {\displaystyle \mathbb {P} (X\in A)=\mathbb {P} (Y\in A)} 成立。 但是，不能認為同分佈的隨機變量是相同的隨機變量。事實上即使 X 與 Y 同分佈，也可以沒有任何點ω使得 X(ω)=Y(ω) 。在這個意義下，可以把隨機變量分類，每一類稱作一個分佈，其中的所有隨機變量都同分佈。用更簡要的語言來說，同分佈是一種 等價關係 ，每一個 等價類 就是一個分佈。需注意的是，通常談到的 離散分佈 、 均勻分佈 、 伯努利分佈 、 正態分佈 、 卜瓦松分佈 等，都是指各種類型的分佈，而不能視作一個分佈。 狹義地，它是指 隨機變量的機率分佈函數 。設 X 是樣本空間 {\displaystyle (\Omega ,{\mathcal {F}})} 上的隨機變量， {\displaystyle \mathbb {P} } 為機率測度，則稱如下定義的函數是 X 的分佈函數（德語： Verteilungsfunktion ， 英語： distribution function ），或稱 累積分佈函數 （德語： kumulative Verteilungsfunktion ， 英語： cumulative distribution function，簡稱CDF ）： {\displaystyle F_{X}(a)=\mathbb {P} (X\leq ...
閱讀完整內容

機率論的相關重要定理

圖片
機率公理 [ 編輯 ] 主條目： 機率公理 如果一個函數 {\displaystyle P:S\to \mathbb {R} ,\ A\mapsto P(A)} 指定給每一個事件空間  {\displaystyle S}  中的事件  {\displaystyle A}  一個實數  {\displaystyle P(A)} ，並且其滿足下面的 3 個公理，那麼函數  {\displaystyle P}  叫做 機率函數 ，相應的  {\displaystyle P(A)}  叫做事件  {\displaystyle A}  的機率。 公理 1：   {\displaystyle 0\leq P(A)\leq 1\ (A\in S)} 事件  {\displaystyle A}  的機率  {\displaystyle P(A)}  是一個0與1之間（包含0與1）的非負實數。 公理 2：   {\displaystyle P(S)=1} 事件空間的機率值為 1 。 公理 3：   {\displaystyle P(A\cup B)=P(A)+P(B)} ，如果  {\displaystyle A\cap B=\varnothing } 互斥事件 的加法法則。這裡需注意：公理3可以推廣到可數個 互斥事件的 聯集 。 機率的計算 [ 編輯 ] 需要提及的是下面將要介紹的 9 個計算機率的定理與上面已經提及的事件的計算沒有關係，所有關於機率的定理均由機率的 3 個公理得來，同時適用於包括拉普拉斯機率和統計機率在內的所有機率理論。 定理 1 (互補法則) [ 編輯 ] 與  {\displaystyle A}  互補事件的機率始終是 {\displaystyle P({\bar {A}})=1-P(A),\in S} 證明： 事件  {\displaystyle A}  和  {\displaystyle {\overline {A}}}  是互補關...
閱讀完整內容