3. 微流控芯片中的物质传递与浓度梯度

在微流控灌流培养中,细胞能否获得足够营养、代谢废物能否及时带走,取决于芯片通道内物质传递的两种基本机制:扩散与对流。理解这两者的相对强弱,是估算氧、葡萄糖和乳酸等物质空间分布的前提。

扩散与对流:两种传递机制

扩散由浓度梯度驱动,遵循 Fick 定律。一维稳态下,摩尔通量 J = −D·(dC/dx),其中 D 为扩散系数。以 37 ℃ 水溶液为例,氧的 D 约为 3.0×10⁻⁹ m²/s,葡萄糖约 6.7×10⁻¹⁰ m²/s,乳酸约 1.0×10⁻⁹ m²/s。扩散的特征时间可用 t ≈ L²/D 估算:若通道半高 L = 100 μm,氧的扩散时间约 3.3 s,葡萄糖约 15 s。这说明在百微米尺度上,横向扩散是相当快的。

对流由流体整体运动携带物质,通量为 J = u·C,u 为流速。灌流培养正是利用对流持续供给新鲜培养基。但要注意:对流沿通道轴向输送,而细胞通常贴在通道壁面,营养必须从主流区横向扩散到壁面细胞处。因此,轴向对流与横向扩散的竞争决定了浓度分布形态。

Peclet 数:判断谁主导

Peclet 数定义为对流与扩散之比:Pe = u·L/D。当 Pe ≫ 1,对流主导,物质沿流向被快速带走,横向混合不足;当 Pe ≪ 1,扩散主导,浓度趋于均匀。以通道高度 H = 200 μm、平均流速 u = 1 mm/s 为例,对氧:Pe = (1×10⁻³ × 2×10⁻⁴)/(3.0×10⁻⁹) ≈ 67,对流明显占优;对葡萄糖:Pe ≈ 300。这意味着在典型灌流条件下,轴向对流远强于轴向扩散,浓度梯度主要沿流动方向建立,而横向则依赖扩散在较短时间内完成混合。

工程判断:若希望壁面细胞获得均匀营养,应使横向扩散时间 t_diff = H²/D 小于流体经过细胞区的停留时间 t_res = L_cell/u。二者之比即横向 Pe 的倒数,可作为设计流速的快速判据。

边界层与浓度边界层

当细胞消耗营养时,壁面附近浓度下降,形成浓度边界层。其厚度 δ_c 可用 Lévêque 近似估算:δ_c ≈ (D·x/u)^(1/3)·H^(2/3) 量级,或更简单地用 δ_c ≈ √(D·x/u) 做数量级判断,x 为沿流向距离。边界层越薄,壁面浓度越接近主流浓度,传质越好。提高流速可减薄边界层,但会增大剪切力,可能损伤细胞。这是灌流培养中流速优化的核心矛盾。

细胞消耗对分布的影响

细胞比消耗速率 q 决定壁面通量。以氧为例,若细胞密度为 1×10⁷ cells/mL、单细胞耗氧率约 5×10⁻¹⁷ mol/(cell·s),则体积耗氧率 Q_O2 ≈ 5×10⁻¹⁰ mol/(mL·s)。在通道内,氧浓度沿流向按指数衰减:C(x) = C_in·exp(−Q·x/(u·H))。代入 u = 1 mm/s、H = 200 μm、Q = 5×10⁻¹⁰ mol/(mL·s),可估算浓度降至入口 90% 所需的距离约为 4 mm。若通道长 20 mm,出口氧浓度可能降至入口的 60% 左右。葡萄糖消耗率通常更低,衰减更缓;乳酸则相反,会沿流向累积升高。

灌流通道内物质传递与浓度分布示意 入口 C_in 出口 C_out 主流方向 u(对流主导,Pe ≫ 1) 贴壁细胞(消耗 O₂ / 葡萄糖,产生乳酸) 浓度边界层 δ_c 横向扩散 D 沿流向浓度变化(归一化) O₂ ↓ 葡萄糖 ↓ 乳酸 ↑ C/C₀ x Pe = u·H/D O₂≈67 葡萄糖≈300

简化模型估算示例

下面给出一个可直接套用的估算流程,用于判断灌流条件下氧和葡萄糖是否充足。

已知条件(示例假设):
  通道高度 H = 200 μm,长度 L = 20 mm
  平均流速 u = 1 mm/s
  入口氧浓度 C_in = 0.2 mM(约 37℃ 空气饱和)
  入口葡萄糖 C_in = 5.5 mM
  细胞密度 ρ = 1×10⁷ cells/mL
  单细胞耗氧率 q_O2 = 5×10⁻¹⁷ mol/(cell·s)
  单细胞耗糖率 q_glc = 1×10⁻¹⁷ mol/(cell·s)

步骤1:计算体积消耗率
  Q_O2 = ρ × q_O2 = 1×10⁷ × 5×10⁻¹⁷ = 5×10⁻¹⁰ mol/(mL·s)
  Q_glc = 1×10⁷ × 1×10⁻¹⁷ = 1×10⁻¹⁰ mol/(mL·s)

步骤2:计算沿程衰减常数
  k = Q / (u × H)
  k_O2 = 5×10⁻¹⁰ / (1×10⁻³ × 2×10⁻⁴) = 2.5×10⁻³ m⁻¹
  k_glc = 1×10⁻¹⁰ / (2×10⁻⁷) = 5×10⁻⁴ m⁻¹

步骤3:估算出口浓度
  C_out = C_in × exp(−k × L)
  C_O2_out = 0.2 × exp(−2.5×10⁻³ × 0.02) ≈ 0.2 × 0.99995 ≈ 0.19999 mM
  C_glc_out = 5.5 × exp(−5×10⁻⁴ × 0.02) ≈ 5.5 × 0.99999 ≈ 5.4999 mM

步骤4:判断
  氧和葡萄糖沿程衰减均小于 0.1%,说明该流速下供给充足。
  若将流速降至 0.1 mm/s,k 增大 10 倍,氧出口浓度约降至 0.195 mM,
  仍可接受;但若细胞密度提高 10 倍,则需重新核算。
上述数值为教学示例假设,实际 D、q 和 C_in 需根据培养基配方、细胞类型和温度实测或查文献确定。乳酸累积还需考虑其生成速率与对流带走的平衡,若生成速率超过带走速率,出口乳酸浓度会显著升高,可能抑制细胞生长。

结果判读与设计调整

根据估算结果,可从三个方向调整:提高流速可增强对流供给、减薄边界层,但需检查剪切力是否超过细胞耐受阈值(通常 0.1–1 Pa 量级);降低细胞密度或缩短通道长度可减小沿程衰减;增加入口浓度可提高整体水平,但受溶解度或渗透压限制。实际设计中,建议先以 Pe 和衰减常数做快速筛选,再用 CFD 或实验验证关键工况。

掌握扩散、对流、Pe 数、边界层和消耗速率的定量关系后,就能在灌流培养中快速判断营养是否充足、代谢物是否累积,并据此设定合理的流速与通道几何。