微流体单重和双重乳液滴滴的设计自动化与机器学习
Ali Lashkaripour1,2, David P McIntyre3,4, Suzanne G K Calhoun5
1Department of Bioengineering, Stanford University, Stanford, CA, USA. alilp@stanford.edu.
Nature communications
|January 3, 2024
概括
机器学习模型预测滴滴微流体参数,使生命科学应用能够稳定地产生滴滴. 这加快了定制滴滴式平台的开发速度,具有高吞吐量和低成本.
科学领域:
- 微流体学 微流体学
- 生物技术是生物技术.
- 机器学习 机器学习
背景情况:
- 滴滴微流体提供高通量选的picoliter样品具有成本效益.
- 目前的方法需要广泛的经验优化,限制了专业实验室的可访问性.
- 对于各种液体和尺寸的滴滴生成的标准化仍然是一个挑战.
研究的目的:
- 开发用于滴滴微流体学的预测机器学习模型.
- 为了能够准确地预测设备几何和流量条件,以便稳定地产生滴滴.
- 创建一个可访问的设计自动化工具,用于定制的滴滴式平台.
主要方法:
- 编制了一个关于滴滴生成参数的综合数据集.
- 训练有素的机器学习模型来预测最佳的设备设计和流量条件.
- 通过对各种流体和材料进行盲目的预测,验证了模型通用性.
主要成果:
- 准确预测设备几何和稳定的单双乳液的流量条件.
- 成功生成从15到250微米的液滴,频率高达12,000赫兹.
- 开发了一个用户友好的设计自动化工具,可以在目标的3μm (<8%) 范围内实现滴滴直径.
结论:
- 机器学习显著简化和加快了滴滴微流体学的优化.
- 开发的工具提高了生命科学中滴滴微流体的可访问性和采用性.
- 这种方法有助于为各种应用快速开发定制的基于滴滴平台.
