Des chercheurs dirigés par le professeur associé Dr. Savaş Taşoğlu du département de génie mécanique de l’université Koç ont développé un nouvel outil de conception open source et assisté par machine learning, visant à automatiser la conception de puces microfluidiques.
Les systèmes microfluidiques sont des plateformes sur puce qui permettent de traiter des échantillons biologiques et chimiques dans de très faibles volumes, avec une grande précision et un faible coût, et leur utilisation se généralise de plus en plus. Ces systèmes sont couramment employés dans les laboratoires pour les études de culture cellulaire, les tests de médicaments, les analyses diagnostiques et les configurations expérimentales qui imitent les tissus humains.
Cependant, la conception et la fabrication des puces microfluidiques exigent souvent une expertise avancée en ingénierie et de nombreuses itérations. Ce défi constitue l’un des principaux obstacles pour les chercheurs novices en technologies microfluidiques.
Pour relever ce défi, les chercheurs de l’université Koç ont développé un nouvel outil de conception de puces microfluidiques appelé μFluidicGenius (μFG). L’outil a pour objectif de permettre notamment aux utilisateurs non experts de concevoir rapidement des circuits microfluidiques répondant à leurs conditions d’écoulement cibles.
L’approche fondamentale de μFluidicGenius est de rendre la conception de puces microfluidiques plus accessible dans un environnement logiciel en s’appuyant sur des entrées utilisateur limitées et intuitives. Les utilisateurs définissent le placement des réservoirs sur la puce dans une zone prédéfinie, spécifient les connexions de canaux entre eux et saisissent les débits cibles souhaités pour chaque section. Ainsi, le processus de conception peut avancer sans exiger des utilisateurs qu’ils s’engagent directement dans des calculs complexes de mécanique des fluides.
μFG emploie une approche hybride qui combine des modèles de machine learning avec des calculs mathématiques de mécanique des fluides pour déterminer les valeurs de résistance fluidique nécessaires pour atteindre la distribution d’écoulement souhaitée. Pour réaliser ces valeurs de résistance, le système génère des géométries de canaux en labyrinthe à l’intérieur de la puce, offrant des caractéristiques de résistance précisément ajustées. Cela permet d’optimiser les conditions d’écoulement requises dans un encombrement limité de la puce.
L’étude montre également que la méthode développée n’est pas limitée aux configurations d’écoulement simples. μFluidicGenius permet la conception de profils d’écoulement complexes, comme ceux requis pour les plateformes multi-organes-sur-puce qui reproduisent des conditions physiologiques. Cette capacité permet de répondre aux exigences expérimentales variées des systèmes microfluidiques en utilisant la même approche de conception.
Les circuits microfluidiques créés avec μFluidicGenius peuvent générer des fichiers de sortie directement compatibles avec l’impression tridimensionnelle (3D). Les résultats expérimentaux indiquent que, dans les puces conçues avec μFG et fabriquées par impression 3D, les débits mesurés correspondent aux valeurs cibles avec une précision d’environ 90 %. L’étude démontre aussi que le système peut satisfaire avec succès des exigences de résistance fluidique à la fois faibles et élevées, dans une zone de puce fixe et limitée.
Article : ML-automated microfluidic circuit design – Journal : Science Advances – Méthode : Experimental study – DOI : Lien vers l’étude
Source : KOC U.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
