結腸癌是世界上最常見的癌癥之一，其發病率和病死率較高，嚴重威脅著人類的健康。紅細胞分布寬度（red blood cell distribution width，RDW）是反映紅細胞（red blood cell，RBC）體積大小變異性的標準全血細胞計數測試參數，是對RBC異質性檢測的客觀指標。近年來，越來越多的研究發現RDW與癌癥總體死亡率關，因而在一定程度上可以預測癌癥患者的死亡風險，能夠作為癌癥患者住院后短期死亡率的獨立預后指標。因此，模擬血管內部情況并研究RDW的特征對于結腸癌早期診斷及轉移過程的作用機制研究具有重要意義。毛細血管占據人體內血管的90%以上，且紅細胞的直徑和毛細血管的直徑具有相同的數量級（微米級別），因此毛細血管流量對紅細胞流變特性具有顯著影響。

據麥姆斯咨詢報道，基于此，來自鄭州大學第一附屬醫院的陳冰等設計了一種基于微流控的血管芯片，可用來模擬人體血管（尤其是毛細血管）內部剪切力分布狀況，相關研究成果發表在期刊《微納電子技術》上。

首先，研究人員采用COMSOL軟件對微流控血管芯片進行了功能驗證和尺寸優化。COMSOL軟件仿真步驟如圖1所示。然后將L-Edit16軟件繪制好的芯片結構導出為GDS的格式文件，并將芯片上的圖案轉移到微流控芯片母模上，具體步驟如下：首先利用DWL66激光直寫系統對鉻版上的光刻膠進行曝光，隨后依次在顯影液、去鉻液以及去離子水中進行浸泡，制作成掩模版，并通過光刻機將掩模版的圖案以光刻膠的形式轉移到硅片上得到母模。接下來制作聚二甲基硅氧烷（PDMS）芯片，首先將硅片母模進行三甲基氯硅烷預處理，然后將PDMS預聚物和固化劑以10∶1的質量比充分混合，將其倒在硅烷化的母模晶片上，在85℃的烘箱中固化2h。將固化后的PDMS層進行打孔以形成入口/出口。PDMS的厚度約為3mm，適合固定插入的管子。通過氧等離子體處理將PDMS復制品永久粘合到蓋玻片上。實驗中使用的Ag/AgCL電極是通過將Ag絲放入KCL溶液中，以Pt為參比電極，在Ag絲面沉積涂覆AgCL制成的。將制作好的Ag/AgCL電極依次用異丙醇和去離子水進行清洗，用針在進樣管和出樣管側壁的位置各扎一個小孔，然后將清洗完成的Ag/AgCL電極從進樣管和出樣管的扎孔位置穿入，另一端連接到電壓放大器（德國FEM TO公司）進行信號測量。

圖1 COMSOL軟件仿真步驟

接著，研究人員基于人體血管的形態，充分考慮了血管內部細胞流速和剪切力實際情況，構建了基于微流控的血管芯片模型。為了模擬血管里的剪切力變化情況，設計了擠壓芯片和分叉芯片兩種血管芯片模型。擠壓芯片模型如圖2所示。該血管芯片包括一個入口和一個出口，其中入口用于通入細胞樣品溶液，出口用于收集流出的廢液。樣品中存在一些無關的雜質，可能會導致微溝道堵塞等，從而影響實驗結果。因此通過在入口處添加過濾器來阻擋這些雜質，過濾器的間隔為10μm。由于血管芯片的高度較低，出、入口的空腔跨度過大，會引起坍塌，因此在血管芯片出、入口設計了支柱。該擠壓血管芯片中除了擠壓區域的寬度（即俯視下溝道的寬度）和高度（三維中的厚度）不一樣，其他區域的尺寸是一樣的，從而可以用于研究擠壓對紅細胞的影響。該模型的微流控血管芯片擠壓寬度為4、6、8、10、12和15μm，擠壓次數為300、400、500、600、800、1000和1500。不同的擠壓寬度和擠壓次數會使剪切力有所不同，通過設置不同的擠壓寬度和擠壓次數來研究剪切力對RDW和紅細胞變形性的影響。

圖2 擠壓芯片模型

分叉芯片模型如圖3所示，該血管芯片包括一個入口和一個出口，其中入口用于通入樣品溶液，出口用于收集流出的廢液。該分叉芯片同樣設計了過濾器和支柱。此外，研究人員設計了分叉次數為8、16、32、64和128的微流控血管芯片來進行實驗，研究分叉結構以及分叉次數對RDW和紅細胞變形性的影響。

圖3 分叉芯片模型

隨后，研究人員探索了微流控芯片擠壓寬度對RDW-CC和紅細胞變形性的影響。實驗中采用的微流控芯片擠壓寬度分別為4、6、10和15μm，對照組的擠壓寬度為20μm。微流控芯片的擠壓次數為500次，實驗條件完全一致，將樣品瓶和恒壓泵通過軟管連接起來。微流控芯片入口先通入PBS排出芯片里的氣泡，然后通入配置好的紅細胞溶液。實驗中，先將恒壓泵的出口壓力設置為0.002MPa，等待鋼針端口緩慢地流出液體時，再將鋼針插入微流控芯片的入口，然后將0.1MPa作為正負壓恒壓泵的出口壓力，采用放大器對細胞產生的電信號進行采集并放大。然后利用NI6363采集卡進行A/D轉換，最后用LabVIEW軟件進行數據顯示。實驗結束后，把采集到的每種尺寸的電信號用Matlab程序進行處理。實驗結果如圖4所示，擠壓次數為500時，擠壓寬度由15μm變成4μm，RDW-CC值升高了0.0763，且紅細胞的傳輸時間增加1.47ms，即擠壓寬度越窄，RDW-CC值越大，紅細胞的傳輸時間越長。

圖4不同擠壓寬度的紅細胞密度圖和傳輸時間

為了驗證微流控芯片擠壓次數對RDW-CC值和紅細胞變形性的影響，實驗分別設置了500、800、1000和1500的芯片擠壓次數，擠壓寬度為15μm，實驗條件完全一樣。在同一擠壓寬度（15μm）下，當擠壓次數由500次變成1500次時，即增加了1000次時，RDW-CC值升高了0.0981，紅細胞的傳輸時間增加了1.02ms，即擠壓次數越多，RDW-CC值越大，紅細胞的傳輸時間也越長，如圖5所示。

圖5不同擠壓次數的紅細胞密度圖和傳輸時間

最后，實驗還設計了分叉結構用于研究剪切力對RDW-CC值和紅細胞變形性的影響，分叉次數依次為8、16、32、64和128。當分叉次數由8次變成128次時，即增加16倍時，RDW-CC值升高了0.0415，紅細胞的傳輸時間增加1.2ms，即分叉次數越多，RDW-CC值越大，紅細胞的傳輸時間越長（圖6）。

圖6 不同分叉次數的紅細胞密度圖和傳輸時間

綜上所述，研究人員提出了采用一種基于微流控的血管芯片來模擬人體血管內部剪切力分布狀況，并研究了RDW變化。仿真結果表明微流控芯片內的流體分布符合預期。利用電脈沖的幅值和寬度對RBC的大小和可變形性進行表征，結果發現擠壓寬度越窄、擠壓次數越多、剪切力越大，則RDW表征參數（RDW-CC）值越大、RBC的傳輸時間越長；當分叉結構中分叉次數越多、剪切力越大，則RDW-CC值越大、RBC的傳輸時間越長。該方法不僅可用于RDW-CC的研究，也可用于其他血管模型的構建。

論文鏈接：

http://dx.doi.org/10.13250/j.cnki.wndz.2022.06.008

審核編輯 ：李倩