《Sensors and Actuators A: Physical》：Fundamentals and Applications of Digital Microfluidics Based on Electrowetting-on-Dielectric
编辑推荐：
本文系统综述了基于电泳滴定的数字微流控技术原理、材料选择、芯片制造及AI辅助创新应用，探讨了其在生物医学和化学分析中的优势，并分析了当前挑战与未来发展方向。
陈宇涵|曾晓东|史英梅|冯浩强|金明良|张帅龙|曹洁萍|隋玲玲
广东省纳米光子功能材料与器件重点实验室，华南师范大学光电科学与工程学院物质结构与基本相互作用广东省卓越基础研究中心，中国广州510006
摘要
数字微流控技术（DMF）是一种用于精确控制微米和纳米尺度电极阵列上离散液滴的新技术，因其样品消耗量低、分析效率高以及系统集成容易而受到广泛关注[1]。它在生物医学和化学分析的样品制备领域显示出巨大潜力。本文重点回顾了基于介电润湿效应（EWOD）的数字微流控技术。文章首先介绍了表面能（表面张力和润湿现象）的基本概念，接着探讨了EWOD的工作原理及其发展历程，并深入分析了控制微流控动力学的物理模型。根据实际应用的需求，总结了材料选择、芯片制造和系统集成的现状与趋势。此外，还分析了人工智能（AI）辅助的应用案例。针对存在的问题和挑战，本文提出了可能的解决方案。本综述有助于理解EWOD-DMT技术及其实际应用，为未来的技术创新提供了有价值的参考和灵感。
引言
数字微流控技术（DMF）是芯片实验室（LOC）和微型总分析系统（μTAS）中的关键技术之一[1]。它利用半导体和微机电系统（MEMS）技术制备的微芯片来控制微米和纳米尺度的流体。该技术将样品制备、传输、融合分离和鉴定分析等传统实验室操作集成到单个微流控芯片上，减少了传统实验室的复杂手动操作，推动了实验平台的微型化、集成化、低损耗和高效化发展。在过去几十年中，连续流微流控技术一直是液滴微流控领域的主导技术，推动了样品制备、检测和分析的发展。该技术通过在硅或玻璃芯片上制造微通道、微阀和微泵等结构组件来构建微流控流动通道，从而实现微流控样品的引入、控制和表征。然而，连续流微流控技术通常依赖外部机械组件（如泵和阀门）来产生所需的压力梯度。此外，封闭的微通道结构显著限制了系统的灵活性，通道堵塞和交叉污染等问题也反复出现，阻碍了实验进程[2]。作为主动型微流控技术，DMF能够在电极阵列上操控从微升（μL）到纳升（nL）范围内的离散液滴，支持可重构和可编程的液滴操作，为多种微流控应用提供了通用平台。独特的芯片架构和电极阵列使得每个电极都可以作为独立的微反应器用于化学或生化反应[3]。DMF采用多种驱动方法，包括介电泳（DEP）[4]、[5]、[6]、介电润湿效应（EWOD）[7]、[8]、[9]、[10]、磁泳[11]、[12]、[13]、声波[14]、[15]等。其中，EWOD具有顺序或并行操控多个微滴的优势，提高了微流控操作的可控性和灵活性，实现了液滴分割、合并、传输及其组合等基本操作。灵活、可编程和智能的液滴操控能力极大地推动了相关研究的兴趣和应用拓展。
为了跟踪这项技术的快速发展，我们见证了它从最初的物理现象发展到多样化的实际应用[17]。已有大量综述更新和总结了EWOD-DMF技术的发展。早期的综述主要关注物理原理和设备设计/制造[18]、[19]、[20]；而最近的综述则多关注其在生物医学和化学分析中的应用进展，如食品安全评估[21]、便携式检测[22]、核酸检测[23]、体外诊断[24]、[25]、疾病筛查[26]、免疫分析[27]、细胞分析[28]、[29]以及样品制备[30]。然而，由于EWOD-DMF涉及多个学科，现有综述尚未将其物理原理、材料开发、设备制造和应用有机结合成一个完整的知识体系。此外，关于AI辅助的EWOD-DMF技术的综述仍较为缺乏。为了填补这些空白，本文从EWOD的原理入手，深入分析了其在微流控操控中的可行性，并评估了其在生物医学、生命科学和化学领域的应用案例，总结了该领域的研究进展，为未来的研究提供了参考和建议。
界面张力
界面张力的产生是由于液体内部分子之间的吸引力大于表面分子与外部分子之间的吸引力。这种差异导致表面分子在界面处聚集，形成表面膜并产生张力[31]。在不同界面下，分子间的作用力受到界面张力的影响，表现为收缩趋势，从而减小了液滴的表面积。
通过EWOD-DMF操控液滴
EWOD-DMF系统中的液滴操控技术已广泛应用于化学和生物医学领域。通常，液滴被加载到覆盖有介电层和疏水层的电极阵列上。通过对数字编码的电极阵列施加预设的电信号程序，可以改变特定位置的液滴接触角，从而引起液滴变形和振动。
EWOD-DMF设备的制造
EWOD-DMF设备是一种用于样品处理和分析的微型化集成实验平台，主要由四个部分组成：基底（顶部和底部支撑基底）、电极（导电层）、介电层和疏水层[68]、[69]（图4）。其制造需要材料科学、表面化学、流体力学、微电子学和机电集成技术的多学科知识。
AI辅助的EWOD-DMF系统创新
近年来，人工智能（AI）技术，特别是机器学习和计算机视觉技术发展迅速，能够通过学习和模拟人类观察和认知过程高效准确地处理复杂任务。目前，EWOD-DMF仍需人工干预来进行实验规划和反馈。通过收集足够的实验数据训练AI模型，可以实现自动化操作。
EWOD-DMF的应用
EWOD-DMF技术使每个离散液滴都能作为独立的反应容器。液滴的移动路径通常是预先编程的，相应的液滴可以精确控制并独立操控，用于分配、混合、分离和检测。每个液滴作为自动实验载体的方式无需传统的实验工具（如移液管、瓶子和烧杯），从而减少了人为因素的影响。
挑战与前景
二十年来，DMF已经建立了较为完整的理论框架和成熟的工艺标准，在生物化学和生物医学领域展现了较高的应用价值。尽管取得了这些进展，但在广泛推广和前沿研究方面仍面临一些挑战。本文总结了该技术目前面临的主要问题，探讨了可能的解决方案，并展望了未来发展方向。
结论
本综述介绍了基于EWOD原理的DMF理论基础，深入探讨了相关关键技术和物理原理。通过对近年来应用情况的简要总结，发现EWOD-DMF技术在芯片实验室构建和生物医学及即时检测（POCT）应用方面具有巨大潜力。该技术不仅提高了传统实验室分析的自动化和精确度。
未引用参考文献
[189]
CRediT作者贡献声明
曾晓东：研究工作。金明良：撰写 – 审稿与编辑。张帅龙：撰写 – 审稿与编辑。史英梅：研究工作。冯浩强：研究工作。曹洁萍：撰写 – 审稿与编辑、研究工作、数据管理。隋玲玲：撰写 – 审稿与编辑、研究工作、资金筹集、数据分析、概念构思。陈宇涵：撰写 – 初稿撰写、研究工作、数据分析、数据管理、概念构思。
利益冲突声明
作者声明没有已知的可能影响本文研究的财务利益或个人关系。
致谢
我们感谢国家自然科学基金（项目编号12131010、12372262）的财政支持。
利益冲突
不存在需要声明的利益冲突。
陈宇涵目前正在华南师范大学光电科学与工程学院攻读物理学博士学位，2022年毕业于中凯农业工程学院，研究方向为介电润湿现象和数字微流控技术。
