数字微流控技术在生物医学领域的应用研究进展

描述

近日,深圳大学和中国科学院苏州生物医学工程与技术研究所的研究团队合作,在Biosensors and Bioelectronics期刊上发表了题为“Advanced design and applications of digital microfluidics in biomedical fields: An update of recent progress”的论文。该文章详细介绍了数字微流控(DMF)技术在生物医学领域的最新进展,重点关注了数字微流控系统的综合设计和应用,对于该领域的研究和商业化应用具有重要意义。在该文章中,苏州生物医学工程与技术研究所胡思怡老师和深圳大学生物医学工程学院柴语鹃老师为通讯作者,深圳大学生物医学工程学院杨成彬老师为该文第一作者。

随着近几十年来数字微流控技术的突破性发展,数字微流控技术在自动微量液体操纵和复杂多步骤处理方面引起了广泛关注。该文章首先详细阐述了电润湿-介电效应原理、数字微流控芯片的制造以及数字微流控系统的商业化进程。随后介绍了数字微流控在液滴和磁珠操纵方面的多种策略,为各种类型的医学检验应用奠定基础。接着,作者综合讨论了基于数字微流控的生物医学应用,包括自动化样品制备策略、免疫测定、分子诊断、血液处理/测试和微生物分析几个大方向,同时还探索了酶活性评估和DNA存储等特殊领域的应用。

此外,作者对每种生物分析方法的性能进行了比较,并结合数字微流控系统的设计进行了分析,深度解析了数字微流控技术的创新设计和应用。最后,作者从技术研究和转化等角度系统总结了数字微流控系统的优势、挑战和未来趋势,展示了数字微流控在生物医学,特别是检验技术方面的广泛应用前景。

机器学习

图1 基于数字微流控的生物医学应用示意图

样品制备应用   

样品制备是体外诊断的初始和关键步骤,包括裂解、混合、提取、稀释、孵育等操作。在许多高通量的分析技术中(如高通量测序),样本制备过程较为复杂。数字微流控可以通过全自动反应过程设置、加热模块的嵌入和磁珠捕获等方法实现自动化和温度控制,大幅简化样本制备,显著减少操作时间,减少样本损失,最终提升检测效果。

机器学习

图 2 基于数字微流控的检测样品制备

免疫测定应用   

基于数字微流控的免疫检测具有反应体积小、效率高、时间短、灵敏度好等特点。基于抗体-抗原反应的基本原理和电极的驱动,数字微流控系统可以应用于各种类型的免疫分析,如ELISA、化学发光分析和免疫荧光分析,甚至实现多靶标的检测。这种自动化微体积系统不仅可以满足高灵敏即时检测的需求,还可以通过封闭系统的使用降低感染风险。

机器学习

图3 基于数字微流控平台的超灵敏免疫测定

分子诊断应用 

分子诊断涉及多步骤反应,例如样品裂解、RNA或DNA提取、纯化、聚合酶链反应(PCR)或测序。分子诊断在数字微流控平台上的应用通常需要热控制模块的支持。与传统PCR的温度波动不同,数字微流控可以通过在局部加温并驱动液体在不同温度区域流动而实现分子扩增,也可以使用等温扩增技术满足这一要求。数字微流控在各种控制系统和模块的支持下,目前已经可以实现从样本处理到检测的全自动超操作,大大缩短了复杂样品的分子检测时间。

机器学习

图4 用于核酸扩增反应分子诊断的一体化数字微流控设备

血液处理和分析   

血液检查包括血型、凝血、离子等广泛类别的检测。血液分析的异质性和特殊应用需求引发了许多基于数字微流控的创新应用。例如,在数字微流控系统中引入多孔膜可以实现血浆的自动分离;通过对数字微流控表面血液流动进行录像和机器学习算法分析,可以模拟凝血过程,在较短时间完成凝血能力的评估,在临床应用中有很大的潜力。

机器学习

图5 用于血液处理和分析的数字微流控平台

微生物分析   

数字微流控被广泛应用于人体组织或环境样品中的微生物检测,既能够实现良好的检测效果,又能够保障操作的安全。目前,数字微流控平台已被应用到细菌分类试验(BC)和抗生素敏感性试验(AST)当中,特别有利于实现并行操作和实时图像处理,同时监测多种细菌菌株和抗生素。

机器学习

图6 用于活微生物的数字微流控分析平台

 综上所述,该论文所介绍的数字微流控技术在生物医学领域的突破性应用给我们带来了无限的想象空间,有望在新领域和新应用中发挥更大的作用。同时,本领域也面对一些重大挑战:

(1)样本在芯片的注入和取出尚不能很好的实现自动化;

(2)数字微流控芯片内的多联检和高通量检测需要通过芯片制备工艺、表面处理工艺等多重技术的配合才能更好地实现;

(3)部分常规检测试剂的化学和生物成分在数字微流控的油性环境中需要进行调整。随着数字微流控技术的日益成熟,芯片的制造成本不断降低,技术稳定性也在逐渐增强,以上挑战将会在未来的持续研究中得以克服,数字微流控技术将为生物医学研究和应用带来更多的突破和进步。

机器学习

图 7 数字微流控的挑战与未来方向








审核编辑:刘清

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分