多功能液滴静电“小钳子”，有望应用于如高通量生物或化学分析范畴
液滴操控对于热管理、集水、生物分析、化学反应等方面，均有重要的应用。来自香港城市大学（城大）的研究团队早前研发出多功能液滴静电“小钳子”，可于平坦和倾斜表面以及油介质中，远程操控液滴的移动，实验证明能在各种基底上操控成分和体积不同的液滴，有潜力应用于如高通量生物或化学分析等范畴。
该研究团队由香港城大机械工程学系（MNE）王钻开教授领导，研究结果已发表于科学期刊《美国国家科学院院刊》(PNAS) 上，题为〈Electrostatic tweezer for droplet manipulation〉。
现今液滴操控受限于 要加入添加剂等技术问题
液滴操控现时一般是通过在基底的表面构建出力梯度（force gradient），或直接在液滴上施加外力，但这些做法都需要基底或者液滴能够对外在力场作出反应。加上液滴可变形等种种因素，令现今的液滴操控技术面对距离短、低速、受限于操作环境、要加入添加剂等技术问题。
成功以静电吸引力操控液滴隔空移动
王教授的研究团队针对上述技术问题，成功研发出可以对液滴产生静电诱导的多功能液滴静电“小钳子”（droplet electrostatic tweezer, DEST），以静电吸引力操控不同数量、类型、体积的液滴移动，并可以在相隔数厘米、不直接接触液滴的情况下，隔空搬动它。
DEST技术无需任何添加剂，并可以编程方式操控移动
研究团队受固体材料会出现的静电感应（electrostatic induction，即是在外电场的作用下，导体中的电荷在导体中重新分布）现象所启发，尝试将液体中的静电感应，应用于液滴的操控上。结果团队成功研发出DEST技术，在无需使用任何添加剂，并在不用接触到液滴的情况下，以可编程的方式操控液滴的移动。
研究人员向钳尖施加具静电压的电压，配合导电接地（electrically grounded）的基底一同使用。静电钳子通电后，在基底上的液滴以及基底本身的电荷会因为静电感应而重新分布，静电钳子因此可以精确地“捕获”液滴，并在适当的电压下，引领液滴朝向电极移动。
王教授介绍说：”DEST是可编程的，实验证明可以在开放的表面和封闭的通道内、甚至在油介质之中，操控体积由几十纳升到几毫升不等和数量不同的液滴。”
（视频一）液滴静电钳子可于不同环境中操作，包括倾斜表面、油介质下、以及封闭的通道内。（DOI number: 10.1073/pnas.2105459119）
DEST技术具备数种不同的操控模式
研究发现，DEST可以做到不同的操控模式。例如：在引导模式下，研究人员透过移动钳子及电极，从而引导液滴的移动；在捕获模式下，研究人员则可通过改变施加在定点电极上的电压，把液滴吸引到施加了电压的指定电极位置和停留。而当液滴所在位置电压被关闭和相邻电极电压被打开时，液滴会继续移动到相邻电极的位置，从而实现了液滴的定向定点移动（视频二）。而于连续捕获模式下，由于所有定点电极都被施加了电压，液滴会受下一个电极“吸引”而连续通过多个电极（视频三）。
（视频二）研究人员在捕获模式下，通过改变施加在电极上的电压，可以移动液滴到指定的电极位置。（DOI number: 10.1073/pnas.2105459119）
（视频三）在连续捕获模式下，水滴可以连续通过多个电极。（DOI number: 10.1073/pnas.2105459119）
可应用于运载小型固体物、高通量表面增强拉曼光谱检测等
对比起其他液滴操控技术，团队研发的DEST能够高速、位置精确地操控液滴的移动，而且移动距离无限制、方向灵活。技术应用层面包括操控液滴进行化学反应如沉淀反应和颜色反应、小型固体物件的运载、选择性的表面清洁，以及高通量表面增强拉曼光谱检测（high-throughput surface enhanced Raman spectroscopy detection）。
（视频四）液滴静电钳子可用于启动不同的化学物的微量反应、小型固体物件的运载和选择性的表面清洁。（DOI number: 10.1073/pnas.2105459119）
论文的第一作者、MNE的博士后靳袁凯博士解释说：“我们亦制备出具银纳米颗粒功能化的超疏水基底，这样被操控的液滴在移动时，就会携带具有等离子体激元特性的银纳米颗粒，在拉曼检测中的信号就会增强。而当液滴完成测量并被静电钳子移走后，后续的液滴可以被移动到激光的位置进行测量，而且测量结果互不干扰。这方法的另一个优点是拉曼激光可以对焦在液滴的任何位置，因此大幅度缩短了测量时间，实现了高通量液滴信息检测。”
王教授总结团队的研究结果说：“我们的技术令操控液滴的可控程度，以及可应用的场景增加，同时简化了技术应用时的程序。而且DEST系统所用的基底加以功能化之后，可以提升化学及生物分析的功能。”
王教授是该论文的通讯作者，第一作者是靳博士和徐王淮博士。研究团队来自城大的成员还包括MNE的张欢欢博士、孙静博士、杨思艳和刘闵婕博士。其他研究人员则来自中国科学院微电子研究所。
研究获得城大、国家自然科学基金委员会、香港研究资助局、深圳市科技创新委员会的资助而进行。
DOI number: 10.1073/pnas.2105459119
本文于 “香港城大研创” 微信公众号发布。
Wechat ID: CityU_Research
