Study of Surface Morphology of Microfluidic Chip Channels via X-Ray Tomography and Scanning Electron Microscopy

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The visualization of microfluidic chips was considered to study morphology of microfluidic channel surface and estimate the quality of 3D printing technology based on digital light processing. The visualization was performed by X-ray microtomography using different iodine-based contrast agents and by scanning electron microscopy. It was shown that X-ray microtomography visualization made it possible to control the quality of device printing relative to geometrical parameters of the models specified at the prototyping stage, as well as to visualize a 3D model of microfluidic channels and surface morphology. The spatial resolution of scanning electron microscopy exceeds the print pixel size and makes it possible to clarify the presence of local defects caused by uneven solidification of the resin during sample washing.

About the authors

S. V. Chapek

Smart Materials International Research Institute, Southern Federal University

Email: pankin@sfedu.ru
Russia, 344090, Rostov-on-Don

I. A. Pankin

Smart Materials International Research Institute, Southern Federal University

Author for correspondence.
Email: pankin@sfedu.ru
Russia, 344090, Rostov-on-Don

D. V. Khodakova

National Medical Research Centre for Oncology

Email: pankin@sfedu.ru
Russia, 344037, Rostov-on-Don

A. A. Guda

Smart Materials International Research Institute, Southern Federal University

Email: pankin@sfedu.ru
Russia, 344090, Rostov-on-Don

A. S. Goncharova

National Medical Research Centre for Oncology

Email: pankin@sfedu.ru
Russia, 344037, Rostov-on-Don

A. V. Soldatov

Smart Materials International Research Institute, Southern Federal University

Email: pankin@sfedu.ru
Russia, 344090, Rostov-on-Don

References

  1. Song Y., Kumar H.J., Kumar C.S.S.R. // Small. 2008. V. 4. № 6. P. 698.https://doi.org/10.1002/smll.200701029
  2. Lai X., Lu B., Zhang P., Zhang X., Pu Z., Yu H., Li D. // ACS Biomater. Sci. Eng. 2019. V. 5. № 12. P. 6801.https://doi.org/10.1021/acsbiomaterials.9b00953
  3. Ma J., Lee S, Yi M.Y., Li. C. // Lab Chip. 2017. V. 17. № 2. P. 209.https://doi.org/10.1039/C6LC01049K
  4. Noviana E., Ozer T., Carrell C.S., Link J.S., McMahon C., Jang I., Henry C.S. // Chem. Rev. 2021. V. 121. № 19. P. 11835.https://doi.org/10.1021/acs.chemrev.0c01335
  5. Niculescu A.-G., Chircov C., Bîrcă A.C., Grumezescu A.M. // Int. J. Mol. Sci. 2021. V. 22. № 4. P. 2011.https://doi.org/10.3390/ijms22042011
  6. Hwang J., Cho Y.H., Park M.S., Kim B.H. // Int. J. Precis. Eng. Manuf. 2019. V. 20. № 3. P. 479.https://doi.org/10.1007/s12541-019-00103-2
  7. Hamdallah S.I, Zoqlam R., Erfle P., Blyth M., Alkilany A.M., Dietzel A., Qi S. // Int. J. Pharm. 2020. № 584. P. 119408.https://doi.org/10.1016/j.ijpharm.2020.119408
  8. Wang Y., Seidel M. // Sensors. 2021. V. 21. № 7. P. 2290. https://doi.org/10.3390/s21072290
  9. Hakke V., Sonawane S., Anandan S., Sonawane, Ashokkumar S. // Nanomaterials. 2021. V. 11. № 1. P. 98.https://doi.org/10.3390/nano11010098
  10. Shrimal P., Jadeja G., Patel S. // Chem. Eng. Res. Des. 2020. V. 153. P. 728. https://doi.org/10.1016/j.cherd.2019.11.031
  11. Srikanth S., Dudala S., Jayapiriya U.S., Mohan J.M., Raut S., Dubey S.K., Ishii I., Goel J.A. // Sci. Rep. 2021. V. 11. № 1. P. 9750. https://doi.org/10.1038/s41598-021-88068-z
  12. Schaap A., Koopmans D., Holtappels M., Dewar M., Arundell M., Papadimitriou S., Hanz R.,Monk S., Mowlem M., Loucaides S. // Int. J. Greenh. Gas Control. 2021. V. 110. P. 103427. https://doi.org/10.1016/j.ijggc.2021.103427
  13. Narayanamurthy V., Jeroish Z.E., Bhuvaneshwari K.S., Bayat P., Premkumar R., Samsuri F., Yusoff M.M. // RSC Adv. 2020. V. 10. № 20. P. 11652. https://doi.org/10.1039/D0RA00263A
  14. Tymm C., Zhou J., Tadimety A., Burklund A., Zhang J.X.J. // Cell. Mol. Bioeng. 2020. V. 13. № 4. P. 313. https://doi.org/10.1007/s12195-020-00642-z
  15. Bressan L.P., Lima T.M., da Silveira G.D., da Silva J.A.F. // Appl. Sci. V. 2. № 5. P. 984. https://doi.org/10.1007/s42452-020-2768-2
  16. Gonzalez G,. Roppolo I., Pirri C.F., Chiappone A. // Additive Manufacturing. V. 55. P. 102867. https://doi.org/10.1016/j.addma.2022.102867
  17. De Costa B.M., Griveau S, Bedioui F., Orlye F., da Silva J.A.F., Varenne A. // Electrochim. Acta. 2022. № 407. P. 139888. https://doi.org/10.1016/j.electacta.2022.139888
  18. Nguyen H.Q., Seo T.S. // Anal. Chim. Acta. 2022. № 1192. P. 339344. https://doi.org/10.1016/j.aca.2021.339344
  19. Fritschen A., Bell A.K., Königstein I., Stühn L., Stark, Blaeser R.W. // Biomater. Sci. 2022. V. 10. № 8. P. 1981. https://doi.org/10.1039/D1BM01794B
  20. Van der Linden P.J.E.M., Popov A.M., Pontoni // Lab. Chip. 2020. V. 20. № 22. P. 4128. https://doi.org/10.1039/D0LC00767F
  21. Jahanbakhsh A., Wlodarczyk K.L., Hand D.P., Maier R.R.J., Maroto-Valer M.M. // Sensors. 2020. V. 20. № 14. P. 4030. https://doi.org/10.3390/s20144030
  22. Kumar M., Knackstedt M.A., Senden T.J., Sheppard A.P., Middleton J.P. // Petrophys. 2010. V. 51. № 05. P. SPWLA-2010-v51n5a4. https://onepetro.org/petrophysics/article-abstract/171223/Visualizing-And-Quantifying-the-Residual-Phase?redirectedFrom=fulltext,
  23. Schuler J., Kockmann N. // AIChE J. 2020. V. 66. № 4. P. 16890.https://doi.org/10.1002/aic.16890
  24. Costa P.F., Albers H.J., Linssen J.E.A., Middelkamp H.H.T., van der Hout L., Passier R., van den Berg A., Malda J., Van der Meer A. // Lab. Chip. 2017. V. 17. № 16. P. 2785. https://doi.org/10.1039/C7LC00202E
  25. Everhart T.E., Thornley R.F. // J. Sci. Instrum. 1960. V. 37. № 7. P. 246. https://doi.org/10.1088/0950-7671/37/7/307

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (119KB)
3.

Download (1MB)
4.

Download (290KB)
5.

Download (783KB)
6.

Download (424KB)

Copyright (c) 2023 С.В. Чапек, И.А. Панкин, Д.В. Ходакова, А.А. Гуда, А.С. Гончарова, А.В. Солдатов

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».