仿生概念永远的神!微流体领域又一篇Nature正刊

Cellular在这里既有“细胞”的意思也有“蜂窝状的,分隔式”的意思。文章模拟了植物进行蒸腾作用的水分输运系统,利用3D打印技术制备了蜂窝状的水分输运结构。叶子含有称为气孔的孔,可促进气体和液体与周围环境的交换。此外,用于光合作用的CO2吸收和O2解吸发生在叶片界面上。

6月30日发表的Nature文章——Cellular fluidics.Nature595,58–65 (2021).标题只有两个单词,“Cellular fluidics”, 这里我们译作“细胞流体学”。Cellular 在这里既有“细胞”的意思也有“蜂窝状的,分隔式”的意思。文章模拟了植物进行蒸腾作用的水分输运系统,利用3D打印技术制备了蜂窝状的水分输运结构。

多孔介质和毛细管流动在自然界中无处不在,对生物和生命系统的功能至关重要,其中植物是最知名的例子(图 1a)。植物根部包裹在土壤中,土壤是一种多孔介质,其中地下水从潮湿区域分布到干燥区域。土壤中的颗粒堆积和液固界面影响养分溶解到周围的液相中。通过植物根部吸收的水和养分沿着木质部组织运输到植物的叶子。叶子含有称为气孔的孔,可促进气体和液体与周围环境的交换。蒸腾过程由叶子中的水蒸发驱动,为水的连续毛细管传输创造了潜在的梯度。此外,用于光合作用的 CO2 吸收和 O2 解吸发生在叶片界面上。

图1. 细胞流体学:一个受自然启发的、基于单元的平台。A) 植物中的水分输送是一个多步骤过程,涉及多孔介质(水分在土壤中的分布)、毛细管流动(从根部到叶片的输送)和气液输送(蒸发、CO2 吸收和 O2 在叶片中解吸)。B) 细胞流体学利用细胞类型、大小和相对密度的架构设计以及高分辨率 3D 打印来创建有序的多孔介质,并在三个维度上对多相界面进行确定性控制。C) 细胞流体学可用于广泛的多相过程。比例尺,5 毫米。

大自然为实验室和工业过程中的工程结构提供了许多灵感。天然存在的多孔介质非常丰富,范围从随机到有序,例如土壤、岩石、海绵、木材、骨骼、肺和肾脏。它们的合成对应物在商业和技术上都很重要,而且数量众多,例如,纸张和吸收剂、编织和非编织材料、陶瓷和混凝土、过滤器和分离介质,以及组织支架和人造器官。然而,由于建模、材料和制造方法的限制,自然的复杂性和功能性,尤其是在流动、运输和反应方面,仍然是无与伦比的。传统的微流体技术在众多应用中取得了非凡的成功;然而,它们(大部分)平面和封闭的特性限制了有效设计多相过程的能力。最近,许多努力都集中在通过增材制造的方法实现的细胞微结构材料的创造,这是以前无法获得的。然而,迄今为止,对流体过程的控制一直是这个新兴领域的一个未充分探索的领域。一些值得注意的研究调查了表面张力驱动或主动泵送流通过微结构结构。然而,这些努力集中在通过封闭结构的单相流上。迄今为止,开孔结构材料在控制多相传输和气-液-固界面方面的全部潜力尚未实现。

在这里,这篇文章提出了一个称为细胞流体学的概念,这是一个三维流体学平台,它建立在具有确定性结构、孔隙率、表面特性的多尺度、基于细胞的构造的创建之上因此,控制气-液-固界面和流体流动。该工作提出了预测这些有序结构中的流体行为的分析和数值方法,并在三个维度上通过实验证明了气液传输和编程流动路径。该工作将细胞流体技术视为传统(微)流体技术的补充平台,可以很容易地扩展到广泛的应用领域(图 1c)。这些结构中的流动可以通过细胞类型、大小和相对密度的架构设计进行“编程”。以蒸发冷却和 CO2 捕获为例演示了气液传输过程的应用,例如蒸腾作用和吸收作用。设计并展示了具有毛细管驱动和主动泵送液体流的三维细胞流体装置中的优先液体和气体传输路径,并展示了预编程模式的选择性金属化示例。结果表明,结构化蜂窝材料的设计和制造,加上多相界面稳态和动态行为的分析和数值模拟预测,在三个维度上提供流体传输的确定性控制。细胞流体学可以改变多相传输反应过程的空间和时间控制的设计理念,为全新的应用提供了可能性。

开孔结构的毛细管上升

图2. 用于可预测毛细管上升的架构设计

细胞流体学中的流动动力学

通过COMSOL的多相流仿真模拟

图3. COMSOL数值模拟和高速摄像机

揭示流体动态行为

多相过程的应用

图4. 细胞流体学中的蒸腾作用

图5. 细胞流体中的气体吸收

主动流动和选择性图案化

图6. 用于连续流动和选择性图案化的

优先流体通路

我们看到在这篇Nature的工作中,不仅有充分的实验展示,还有数值模拟的部分。文章作者使用COMSOL多物理场仿真软件模拟了水在该蜂窝结构中的毛细上升现象。模拟的结果精确的展示了液面在蜂窝结构的三维形状,这是对实验数据的重要补充,让人们对这一过程有更清晰的认识。另外,comsol模拟也给出了水上升的速度与结构的关系,提供了除了实验之外,另一种预测结构有效性的方法。COMSOL强大的仿真能力助力这篇工作发表于Nature上。

原文刊载于【高分子科学前沿】公众号

本文版权归原作者所有,文章内容不代表平台观点或立场。如有关于文章内容、版权或其他问题请与我方联系,我方将在核实情况后对相关内容做删除或保留处理!

随便看看别的百科