《Nature Communications》：机器学习赋能微流控单/双乳液液滴的自动化设计

在微流体学领域，单乳液和双乳液液滴因其在药物输送、化学反应和生物检测中的多样化应用而受到广泛关注。这些液滴系统能够在微小尺度上实现物质的精确操控和封装，但它们的稳定性是实验成功的关键因素。

液滴的稳定性受到多种因素的影响，包括流体的物理性质、设备设计、流体条件、表面处理以及流体的组成等。为了实现对液滴稳定性的有效控制，必须深入理解这些因素如何影响液滴的形成和行为。然而，传统的液滴生成方法依赖于劳动密集型的经验优化过程，这限制了微流体技术在非专业实验室的普及。

为了克服这一挑战，研究人员开始探索机器学习技术，以自动化微流体设备的设计过程，提高液滴生成的效率和准确性。通过构建全面的液滴数据集并训练机器学习模型，研究人员能够预测并优化生成稳定液滴所需的条件，从而推动微流体技术在生命科学和化学研究中的广泛应用。相关研究以“Design automation of microfluidic single and double emulsion droplets with machine learning”为题目，发表在期刊《Nature Communications》上。

本文要点：

1、本研究利用机器学习技术，开发了一种自动化设计工具，能够预测生成稳定单相和双相乳液液滴所需的微流控设备几何形状和流动条件。

2、通过构建一个包含广泛变量的液滴数据集，训练了机器学习模型，使其能够准确预测不同流体、几何形状和设备材料下的液滴直径和生成速率。该模型在未见流体和几何形状的盲预测中表现出良好的泛化能力。

3、最终，推出了DAFD 3.0工具，能够在3μm内（偏差<8%）生成所需直径的液滴，从而简化微流控设备的设计流程，促进其在生命科学领域的应用。该工具支持多种流体和设备设计，显著提高了液滴生成的效率和准确性。

在微流体学中，单乳液和双乳液液滴的稳定性对于实验结果至关重要，那么在生成过程中哪些因素会影响液滴的稳定性？

1、流体的物理性质：连续相和分散相的粘度对比以及二者之间的界面张力对液滴的稳定性有显著影响。粘度对比影响液滴的变形和合并，而界面张力决定了液滴抵抗合并的能力。

2、设备设计：微流体装置的几何设计，如流动聚焦装置的形状、通道的宽度和深度，对液滴的形成和稳定性起着决定性的作用。设计必须确保液滴能够在期望的条件下稳定形成。

3、流体条件：流体的流速和流速比是调节液滴大小和生成速率的重要参数。不当的流速可能导致液滴合并或断裂，影响稳定性。

4、表面处理：微通道的表面特性，如亲水性或疏水性，可以显著影响液滴在生成过程中的稳定性。适当的表面处理可以减少液滴与通道壁的粘附，促进液滴的稳定形成。

5、流体的组成：流体中添加的表面活性剂或其他添加剂会影响液滴的界面张力，进而影响稳定性。这些添加剂通过改变流体的物理性质，比如降低表面张力或增加粘度，对液滴的形态和行为产生影响，因此在设计液滴生成过程时必须仔细考虑这些因素。

液滴微流控在生命科学领域具有以下优势：

1、高通量筛选：它能够以kHz的速率快速筛选皮升样本，与传统方法相比，显著提高了实验效率。

2、成本效益：该技术允许使用较小体积的试剂，降低了与实验和分析相关的成本。

3、多功能性：液滴微流控可以产生单乳液和双乳液，促进单细胞分析、药物输送和化学合成等广泛应用。

4、受控环境：它提供了对液滴大小和生成速率的精确控制，这对实验的可重复性和可靠性至关重要。

5、与其他技术的集成：该技术可以很容易地与其他微流体组件集成，增强其在复杂分析和多组分系统中的功能。

6、自动化和设计优化：最近的进展，如基于机器学习的设计自动化工具，简化了微流控设备的设计过程，为研究人员创造了便利。

图1.展示了如何将数据整合并训练模型以实现单乳液和双乳液液滴生成的性能预测和设计自动化。

图2.展示了通过使用多种设备几何形状、流体属性和流速产生的单乳液和双乳液液滴的全面数据集。

图3.展示了使用增强决策树和神经网络准确预测单乳液和双乳液液滴直径和生成速率的能力。

图4.展示了模型在预测稳定单核和不稳定双乳液液滴生成方面的性能。

图5.展示了机器学习模型对之前未见过的流体、几何形状和设备材料的泛化能力。

图6.展示了使用训练有素的机器学习模型和自定义搜索算法实现单乳液和双乳液液滴生成的设计自动化。

论文链接：https://doi.org/10.1038/s41467-023-44068-3