基于微流控芯片的纤维蛋白原检测技术与实验研究

2020年第39卷第4期传感器与微系统(Transducer and Microsystem Technologies)13
DOI：10.13873/J.1000-9787(2020)04-0013-03
基于微流控芯片的纤维蛋白原检测技术与实验研究
李默，张思祥，周围，竭霞，王哲，朱华波
(河北工业大学机械学院，天津300130)
摘要：针对纤维蛋白原(FIB)检测过程中由于FIB与凝血酶发生凝集反应引起浊度变化的特点,基于微
流控技术,结合吸光度的光电检测方法，设计了一种专用微流控芯片。

根据朗伯-比尔定律吸光度与待测
液体浓度呈线性关系的性质，用特定波长光源照射经过相应处理的待测样本，最终通过吸光度标定换算出
FIB的浓度。

相比于传统检测方法，微流控芯片可以很大程度上对实验的变量进行简化和控制，实现了流
体的可视化。

通过COMSOL有限元法仿真，得出Y型芯片最佳角度为70。

,分析血浆注入速度对凝血时间
的影响，确定流量为30|xiy So仪器线性度良好,其方差系数为98.32%。

关键词：纤维蛋白原浓度测定；微流控芯片；光电检测；有限元仿真
中图分类号：TH773；TP212文献标识码：A文章编号：1000-9787(2020)04-0013-03 Research on fibrinogen detection technology and
experiment based on microfluidic chip
LT Mo,ZHANG Sixiang,ZHOU Wei,JIE Xia,WANG Zhe,ZHU Huabo
(School of Mechanical Engineering,Hebei University of Technology,Tianjin300130,China)
Abstract:Aiming at the problem that the change of turbidity caused by blood coagulation during fibrinogen
(FIB)detection based on microfluidic technology,combines the photoelectric detection method of absorbance,a
special microfluidic chip is designed.According to the physical property of the Lambert Beers law,the absorbance
is linearly related to the concentration of the liquid to be tested,concentration of fibrinogen can be converted by
absorbance calibration from irradiation of samples to be measured with a specific wavelength light source・
Compared with the traditional detection method,the microfluidic chip can simplify and control the experimental
variables to a large extent.And it enables the visualization of fluids.Phrough COMSOL finite element simulation,the
optimum angle of Y-chip is calculated as70°.The effect of plasma injection rate on clotting time is analyzed and the
flow rate is determined to be30(jl L/s.The instrument has good linearity with a varianee coefficient of98.32%.
Keywords:FIB concentration determinalion；microfluidic chip；photodeleclion；finite element simulation
0引言
近年来的流行病学研究表明，纤维蛋白原(fibrinogen, FIB)水平的变化不仅与凝血障碍、出血性疾病、弥漫性血管内凝血(disseminated intravascular coagulation,DIC)、应激等有关，而且与冠心病(conmary heart disease,CHD)、心肌梗死、脑血管病等有关,因而对FIB的测定重新引起重视，对测定精度也提出了更高的要求。

国外对于FIB检测技术的研究相对于国内起步较早，目前F1B检测已经全面进入了全自动检测时代，但在检测限和检测方法上进入了瓶颈时期，没有进一步的突破山。

微流控芯片技术(microfluidics)是把生物、化学、医学分析过程的样品制备、反应、分离、检测等基本操作单元集成到一块微米(pim)尺度的芯片上，自动完成分析的全过程，具有微型化、自动化、低成本的特点2"o
本文提出一种基于微流控芯片的FIB检测方法，并通过有限元单元法对该光电检测系统的最佳条件参数做出测定与优化，针对进样量对于凝血时间的影响以及芯片结构对混合指数的影响分别进行了实验，从而确定了最佳的实验参数以及芯片结构尺寸。

该项研究为便携式FIB快速检测系统提供了有力的理论依据。

1理论研究
1.1吸光度检测机理
当光在媒质中通过时，由于辐射以及分子间的交互作用而受到一个正比于运动速度的阻力，同时分子中的电子在光波电场的驱动下作受迫振动，并在接近共振时,从光波中强烈地吸收能量。

当入射光原频率接近电子的固有频率
收稿日期：2019-02-21
14传感器与微系统第39卷
时会发生物质对光的共振吸收。

此外，待检测物质的浓度c 与单位介质体积内的原子个数N相关，与其他固有参数无关。

吸收系数为
a=kc(1)式中％为摩尔吸收系数，是将待测物质的各项参数进行整理合并之后计算得出的，并且与入射光的频率和吸收物质的性质有关，与待测物质浓度无关。

根据朗伯比尔定律知I=I o10~ah=I o lO~kbc(2)式中/和/o分别为出射和入射光强。

由此引入吸光度的概念,它是用来衡量光被吸收程度的一个物理量，表示为
A=—lg-y-=kbc(3)式中b为吸收层厚度，即光在物质中经过的距离。

所以得岀，当一束平行单色光垂直通过待检测物质吋，其吸光度A 用来衡量待检测物质对光强的共振吸收程度，与物质浓度c 和吸收层厚度b的乘积成正比⑷。

1.2光电检测系统原理
图1为微流控芯片光电检测系统的原理图。

©光敏二极管
微流控芯片
透镜
光芻管囲分光镜
I—I濾光片
狭缝
0发光二极管
图1光电检测系统原理
其中配备两个单通道1mL的微量注射泵来控制进样流量，并设置一个固定透射检测支架用来放置微流控芯片。

透射支架下方装有波长为660nm的发光二极管，上方为高精度光敏二极管接收信号。

狭缝和滤光片用来调节入射单色光的纯度和强度，分光镜导出参比信号从而消除外界误差,透镜使光斑变为线斑，便于光敏元件的检测。

通过吸光度的变化来表征芯片中FIB的浓度变化量，进而确定凝血时间。

2实验方法与数据分析
2.1微流控芯片参数仿真优化
数据仿真采用Comsol Multiphysics仿真软件，通过求解偏微分方程或偏微分方程组来实现真实物理现象的仿真,具有多物理场直接耦合分析能力和高效的计算性能⑸
仿真过程主要分为4个步骤：1)建立几何模型;2)设置分析条件;3)进行网格划分;4)计算求解和后处理⑺。

芯片所设计进样区为两相连接的Y型结构，即两个入口呈对称分布，且有效长度和通道宽度是分别一致的。

其中有效长度为3000Jim,通道宽度为300(im o融合时间均为10s,数据仿真研究对象为Y型进样通道的夹角a与进样后混合指数之间的关系。

90。

,其仿真结果如图2。

设定a分别为30。

，50。

，70。

,
1.0
0.8
0.6
0.4
0.2
1.0
0.8
0.6
0.4
0.2
-0.00400.0040.008
(d)a=90°
图2芯片结构仿真结果
从图上可以看出两相流体的渗透程度,进而分析确定混合扩散效率。

其中，混合指数M用浓度方差指标来衡量
混合指数皿七孕心(4)式中C,和C。

分别为指定的平面节点i处和扩散完全均匀处的体积分数，"为平面离散节点数量。

由于研究目标是两相流体，所以，将C。

设置为0.5。

混合指数M在[0,0.5]区间内变化，数值越小表示混合程度越高。

通过数据拟合，得出采用不同Y型进样夹角时，混合指数与Y型夹角之间的关系，如图3所示。

0.20
0.16
鑒012
盘0.08
0.04
0.00
30405060708090100110
进样通道夹角/(°)
图3混合指数与芯片进样通道夹角的关系
从图3中可以看出，当a=70。

时,混合指数最小，两种不同浓度的液体达到最佳混合状态。

因而，确定芯片Y型进样通道的夹角为70。

2.2微流控芯片的制备与性能分析
采用聚二甲基硅氧烷(PDMS)作为微流控芯片的制备材料，具有良好的延展性、生物兼容性和化学热稳定性，同时基于它良好的光学透明度，更加适用于光电检测，因此选择该材料制作的微流控芯片，用于血浆FIB的浓度检测⑻。

FIB芯片的制作方法，如图4所示。

芯片的实际结构如图5所示，其中，A为待测血浆入口，B为凝血酶入口，经过混合区D,在待测区进行凝血检测。

通过理论仿真确定AB夹角为70。

第4期李默,等:基于微流控芯片的纤维蛋白原检测技术与实验研究15
清洗
贴膜I I I I I I I
曝光-------------
显影
揭膜---1------:------------------；
键合
r u
载玻片感光蓝膜掩膜PDMS
C D
图4微流控芯片制作过程
图5微流控芯片结构
2.3血浆注入速度对凝血时间的影响
FIB检测过程中，进样速度过慢会降低检测效率，太快又会导致血液凝集不完全。

分别以50,40,30,20的速度注入等浓度等质量的血浆质控品,凝血酶过量,测得其标准反应曲线如图6所示。

图6不同进样速度的凝血差异
得到进样速度与凝集时间关系如表1。

表1进样速度与凝血时间关系
血浆通入速度/(jx—s)凝集时间/s
504
406
3011
2016
从表中可以看出，当速度为30|xL/s时,既不会降低检测效率也不影响凝集反应过程，光敏二极管可以更精确的检测到吸光度的变化。

2.4FIB浓度标定
根据凝血酶原时间(prothrombin time,PT)衍生法理论根据:当PT测定完成时,FIB均变成纤维蛋白，其形成的浊度与FIB含量成正比，因此，无需任何试剂即可由浊度直接推算出FIB的含量。

故本法又称为PT导出(或衍生)FIB 测定法，简称PT-Der法⑼"I。

FIB浓度检测实验用品如下:血浆F1B质控品、缓冲液和凝血酶⑴］。

并已知质控品中FIB的含量为240mg/dl。

则实验配置质控品的稀释比例及FIB浓度如表2。

表2FIB质控品稀释比例及最终浓度
稀释比例FIB含量/mg FIB浓度/(mg/dL) 1:4240x2.5600
1:6.67240xl.5360
1:10240xl.O240
1:16240x0.625150
1:32240xO.31375
通过微流控检测系统分别检测五种浓度血浆HB质控品,检测结果如图7所示。

图7血浆纤维蛋白原检测结果
从图中可以看出，在血浆加入凝血酶之前的电压稳定期，HB还没有开始转化，加入凝血酶之后，FIB与之反应生成纤维蛋白，在血凝过程结束之后,形成第二个电压稳定阶段，因此血浆中FIB的含量与电压的变化量呈线性关系。

所以将检测结果进行数据处理，得出FIB浓度标定曲线。

浓度/g/L
图8FIB浓度标定曲线
3结论
本文设计制备的微流控芯片具有了高效率、低成本和节约检测剂量等一系列优点，整个微流控芯片的制作方法简单、系统重复性和线性度良好。

微流控芯片检测系统的设计，弥补了传统方法的不足，丰富了临床上针对FIB浓度检测的手段，为血凝检测向即时诊断领域渗透提供了更广阔的思路和发展方向。

参考文献：
［1］余明芬，曾洪梅，张桦，等•微流控芯片技术研究概况及其应用进展［J］.植物保护,2014,40(4):1-8.
［2］高峰,石则满，冯鑫，等•微流控芯片中电渗流的数值模拟与仿真研究［J］.传感器与微系统,2017,36(11):53-55,59.［3］杨宁，张荣标,徐佩锋，等.基于微流控芯片的乳胶免疫凝集光电检测方法［J］•仪器仪表学报,2013,34(6)：196-201.［4］耿春阳，李驰宇，李雅楠，等•一种捕获尿液中膀胱癌细胞的新型微流控芯片的设计［儿中国医疗设备,2018,33(4)：17-21,
(下转第19
页)
第4期师荣垒，等:特征自提取的深度学习血压预测模型研究19
的模型可以显著的降低预测的偏差，说明信息融合的重要性。

与文献[10]相比,模型也是目前存在的直接提取血压特征、达到AAMI标准的复杂度最小的模型,更符合町穿戴应用背景的要求。

数据方面,增加了滤波数据进行训练的模型能一定程度提升模型的准确度。

这说明，方法是有效的，但是仅增加光电容积脉搏波的多样性还不够，针对血压信号多样性的丰富以及合理的数据增强可能是下一步关键性问题。

最终,本文达到的模型测试精度为收缩压(4.87±7.80)mmHg,舒张压(4.60±6.09)mmHg。

4结论
本文从数据增强及模型改进两方面，对直接用深度学习模型算法提取特征并做血压预测做了前瞻性研究，在没有精细特征工程的前提下，依然少量的提升了血压模型的精度与鲁棒性，达到了AAMI标准。

这证实了PPC特征可以直接通过深度学习模型提取,是新的尝试。

研究结论表明：数据增强的思路是正确的，但除了针对脉搏波形的丰富，对不同血压值的丰富也很重要。

模型方面，除了要建立有效的模型，还可以在考虑到可穿戴设备应用背景前提下，对样本进行合理分类，从而对特定人群建立更有针对性的血压模型，集合多个简单模型，减小单个模型工作任务，提高整体模型准确度。

参考文献：
[1]KACHUEE M,KIAN1M M,MOHAMMADZADE H,et al.Cuff-
less high・accuracy calibration-free blood pressure estimation using pulse transit time[C]//2015IEEE International Symposium on
Circuits and Systems(ISC A S), IEEE,2015：1006—1009.
[2]KURYLYAK Y,LAMONACA F,GRIMALDI D.A neural net­
work-based method for continuous blood pressure estimation from
a PPG signal[C]//2013IEEE International Instrumentation and
(上接第15页)
[5]薛长国，滕艳华，任磊，等•溶液质量分数光电探测系统的性
能分析[J]•传感器与微系统,2012,31(11)：8-10.
[6]金善良，沈伯雄•凝血酶原和纤维蛋白原对血浆代用品稀释
离体血液凝血功能的影响[J].外科理论与实践,2016,
21(5)：427—431.
[7]郑小林，鄢佳文，胡宁，等•微流控芯片的材料与加工方法研
究进展[J]•传感器与微系统,2011,30(6):1-4,7.
[8]LI H.Limited magnitude calculation method and optics detect i o n
performance in a photoelectric tracking system L J J.Applied
Optics,2015,54(7)：1612-1617.
[9]LEE S M,LEE T Y,KIM B,et al.Microfluidic production of
polymeric microcapsules for osmotic・pTessuTe・trigge:red release of
therapeutic agents[C~\//The29th International Symposium on
Chemical Engineering,The Society of Chemical Engineers,
Measurement Technology Conference(I2MTC),IEEE,2013:280—283.
[3]KACHUEE M,KIANI M M,MOHAMMADZADE H,et al.Cuff­
less blood pressure estimation algorithms for continuous health­care monitoring[J].IEEE Transactions on Biomedical Enginee-ring,2017,64(4)：859-869.
[4]温亮，李振波,陈佳品，等.基于高斯拟合的神经网络血压测
量算法[J]•传感器与微系统,2014,33(4):132—134.
[5]李申龙，李毅彬,李洪阳，等•基于脉搏波相位差的无创连续
血压测量方法[J]・传感器与微系统,2016,35(1)：62一64. [6]吴丹.基于深度神经网络的连续无创血压检测及其应用研
究[D].深圳冲国科学院大学(中国科学院深圳先进技术研究院),2017.
[7]SUKOR J A,REDMOND S J,LOVELL N H.Signal quality
measures for pulse oximetry through wavefoim morphology analysis!J.Physiological Measurement,2011,32(3)：369. [8]DUAN K,HU Y,Q1AN Z,et al.An FPGA-based morphological
filter for baseline wandering correction in photoplethysmo graphy[C]〃2016IEEE Biomedical Circuits and Systems(Bio-
CAS)Conference,IEEE,2016：216-219.
]9]BENGIO Y.Neural networks:Tricks of the trade[M].Berlin, Heidelberg:Springer,2012：437—478.
[10]BERSANO N,SANSON H.Non-invasive blood pressure estimation
from photoplethysmography signals using artificial neuial net­works[C」〃2018the20th International Conference on Advanced Communication Technology(ICACT),IEEE,2018：29—35.
作者简介：
师荣垒(1993—)，女，硕士研究生，研究方向为基于机器学习的血压算法预测模型。

王国兴(1975-)，男，副教授，研究领域为集成电路设计，医疗电子等。

Japan,2016.
[10]ZINTLER A,KUNZ U,PIVAK Y,et al.FIB-based fabrication of
an operative Pt/HfO2/TiN device for resistive switching inside a
transmission electron microscope[J]・Ultramicroscopy,2017,
181：144-149.
[11]KIM H J,JANG W K,KIM B H,et al.Advancing liquid front
shape control in capillary filling of microchannel via arrangement
of microposts for microfluidic biomedical sensors[J].International
Journal of Precision Engineering&Manufacturing,2016,17(1):
59一63.
作者简介：
李默(1994-),女，硕士，研究方向为现代传感技术与检测技术。

张思祥(1958—)，男，通讯作者，博士，教授,博士生导师，主要从事机械几何量测量理论与技术、计算机图象处理技术研究工作。