Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.

Numerical Simulations of the Flow Field of a Submerged Hydraulic Jump over Triangular Macroroughnesses

Triangular Macroroughnesses 대한 잠긴 수압 점프의 유동장 수치 시뮬레이션

by Amir Ghaderi 1,2,Mehdi Dasineh 3,Francesco Aristodemo 2 andCostanza Aricò 4,*1Department of Civil Engineering, Faculty of Engineering, University of Zanjan, Zanjan 537138791, Iran2Department of Civil Engineering, University of Calabria, Arcavacata, 87036 Rende, Italy3Department of Civil Engineering, Faculty of Engineering, University of Maragheh, Maragheh 8311155181, Iran4Department of Engineering, University of Palermo, Viale delle Scienze, 90128 Palermo, Italy*Author to whom correspondence should be addressed.Academic Editor: Anis YounesWater202113(5), 674; https://doi.org/10.3390/w13050674

Abstract

The submerged hydraulic jump is a sudden change from the supercritical to subcritical flow, specified by strong turbulence, air entrainment and energy loss. Despite recent studies, hydraulic jump characteristics in smooth and rough beds, the turbulence, the mean velocity and the flow patterns in the cavity region of a submerged hydraulic jump in the rough beds, especially in the case of triangular macroroughnesses, are not completely understood. The objective of this paper was to numerically investigate via the FLOW-3D model the effects of triangular macroroughnesses on the characteristics of submerged jump, including the longitudinal profile of streamlines, flow patterns in the cavity region, horizontal velocity profiles, streamwise velocity distribution, thickness of the inner layer, bed shear stress coefficient, Turbulent Kinetic Energy (TKE) and energy loss, in different macroroughness arrangements and various inlet Froude numbers (1.7 < Fr1 < 9.3). To verify the accuracy and reliability of the present numerical simulations, literature experimental data were considered.

Keywords: submerged hydraulic jumptriangular macroroughnessesTKEbed shear stress coefficientvelocityFLOW-3D model

수중 유압 점프는 강한 난류, 공기 동반 및 에너지 손실로 지정된 초임계에서 아임계 흐름으로의 급격한 변화입니다. 최근 연구에도 불구하고, 특히 삼각형 거시적 거칠기의 경우, 평활 및 거친 베드에서의 수압 점프 특성, 거친 베드에서 잠긴 수압 점프의 공동 영역에서 난류, 평균 속도 및 유동 패턴이 완전히 이해되지 않았습니다.

이 논문의 목적은 유선의 종방향 프로파일, 캐비티 영역의 유동 패턴, 수평 속도 프로파일, 스트림 방향 속도 분포, 두께를 포함하여 서브머지드 점프의 특성에 대한 삼각형 거시 거칠기의 영향을 FLOW-3D 모델을 통해 수치적으로 조사하는 것이었습니다.

내부 층의 층 전단 응력 계수, 난류 운동 에너지(TKE) 및 에너지 손실, 다양한 거시 거칠기 배열 및 다양한 입구 Froude 수(1.7 < Fr1 < 9.3). 현재 수치 시뮬레이션의 정확성과 신뢰성을 검증하기 위해 문헌 실험 데이터를 고려했습니다.

 Introduction

격렬한 난류 혼합과 기포 동반이 있는 수압 점프는 초임계에서 아임계 흐름으로의 변화 과정으로 간주됩니다[1]. 자유 및 수중 유압 점프는 일반적으로 게이트, 배수로 및 둑과 같은 수력 구조 아래의 에너지 손실에 적합합니다. 매끄러운 베드에서 유압 점프의 특성은 널리 연구되었습니다[2,3,4,5,6,7,8,9].

베드의 거칠기 요소가 매끄러운 베드와 비교하여 수압 점프의 특성에 어떻게 영향을 미치는지 예측하기 위해 거시적 거칠기에 대한 자유 및 수중 수력 점프에 대해 여러 실험 및 수치 연구가 수행되었습니다. Ead와 Rajaratnam[10]은 사인파 거대 거칠기에 대한 수리학적 점프의 특성을 조사하고 무차원 분석을 통해 수면 프로파일과 배출을 정규화했습니다.

Tokyayet al. [11]은 두 사인 곡선 거대 거칠기에 대한 점프 길이 비율과 에너지 손실이 매끄러운 베드보다 각각 35% 더 작고 6% 더 높다는 것을 관찰했습니다. Abbaspur et al. [12]는 6개의 사인파형 거대 거칠기에 대한 수력학적 점프의 특성을 연구했습니다. 그 결과, 꼬리수심과 점프길이는 평상보다 낮았고 Froude 수는 점프길이에 큰 영향을 미쳤습니다.

Shafai-Bejestan과 Neisi[13]는 수압 점프에 대한 마름모꼴 거대 거칠기의 영향을 조사했습니다. 결과는 마름모꼴 거시 거칠기를 사용하면 매끄러운 침대와 비교하여 꼬리 수심과 점프 길이를 감소시키는 것으로 나타났습니다. Izadjoo와 Shafai-Bejestan[14]은 다양한 사다리꼴 거시 거칠기에 대한 수압 점프를 연구했습니다.

그들은 전단응력계수가 평활층보다 10배 이상 크고 점프길이가 50% 감소하는 것을 관찰하였습니다. Nikmehr과 Aminpour[15]는 Flow-3D 모델 버전 11.2[16]를 사용하여 사다리꼴 블록이 있는 거시적 거칠기에 대한 수력학적 점프의 특성을 조사했습니다. 결과는 거시 거칠기의 높이와 거리가 증가할수록 전단 응력 계수뿐만 아니라 베드 근처에서 속도가 감소하는 것으로 나타났습니다.

Ghaderi et al. [17]은 다양한 형태의 거시 거칠기(삼각형, 정사각형 및 반 타원형)에 대한 자유 및 수중 수력 점프 특성을 연구했습니다. 결과는 Froude 수의 증가에 따라 자유 및 수중 점프에서 전단 응력 계수, 에너지 손실, 수중 깊이, 미수 깊이 및 상대 점프 길이가 증가함을 나타냅니다.

자유 및 수중 점프에서 가장 높은 전단 응력과 에너지 손실은 삼각형의 거시 거칠기가 존재할 때 발생했습니다. Elsebaie와 Shabayek[18]은 5가지 형태의 거시적 거칠기(삼각형, 사다리꼴, 2개의 측면 경사 및 직사각형이 있는 정현파)에 대한 수력학적 점프의 특성을 연구했습니다. 결과는 모든 거시적 거칠기에 대한 에너지 손실이 매끄러운 베드에서보다 15배 이상이라는 것을 보여주었습니다.

Samadi-Boroujeni et al. [19]는 다양한 각도의 6개의 삼각형 거시 거칠기에 대한 수력 점프를 조사한 결과 삼각형 거시 거칠기가 평활 베드에 비해 점프 길이를 줄이고 에너지 손실과 베드 전단 응력 계수를 증가시키는 것으로 나타났습니다.

Ahmed et al. [20]은 매끄러운 베드와 삼각형 거시 거칠기에서 수중 수력 점프 특성을 조사했습니다. 결과는 부드러운 침대와 비교할 때 잠긴 깊이와 점프 길이가 감소했다고 밝혔습니다. 표 1은 다른 연구자들이 제시한 과거의 유압 점프에 대한 실험 및 수치 연구의 세부 사항을 나열합니다.

Table 1. Main characteristics of some past experimental and numerical studies on hydraulic jumps.

ReferenceShape Bed-Channel Type-
Jump Type
Channel Dimension (m)Roughness (mm)Fr1Investigated Flow
Properties
Ead and Rajaratnam [10]-Smooth and rough beds-Rectangular channel-Free jumpCL1 = 7.60
CW2 = 0.44
CH3 = 0.60
-Corrugated sheets (RH4 = 13 and 22)4–10-Upstream and tailwater depths-Jump length-Roller length-Velocity-Water surface profile
Tokyay et al. [11]-Smooth and rough beds-Rectangular channel-Free jumpCL = 10.50
CW = 0.253
CH = 0.432
-Two sinusoidal corrugated (RH = 10 and 13)5–12-Depth ratio-Jump length-Energy loss
Izadjoo and Shafai-Bejestan [14]-Smooth and rough beds-Two rectangular-channel-Free jumpCL = 1.2, 9
CW = 0.25, 0.50
CH = 0.40
Baffle with trapezoidal cross section
(RH: 13 and 26)
6–12-Upstream and tailwater depths-Jump length-Velocity-Bed shear stress coefficient
Abbaspour et al. [12]-Horizontal bed with slope 0.002-Rectangular channel—smooth and rough beds-Free jumpCL = 10
CW = 0.25
CH = 0.50
-Sinusoidal bed (RH = 15,20, 25 and 35)3.80–8.60-Water surface profile-Depth ratio-Jump length-Energy loss-Velocity profiles-Bed shear stress coefficient
Shafai-Bejestan and Neisi [13]-Smooth and rough beds-Rectangular channel-Free jumpCL = 7.50
CW = 0.35
CH = 0.50
Lozenge bed4.50–12-Sequent depth-Jump length
Elsebaie and Shabayek [18]-Smooth and rough beds-Rectangular channel-With side slopes of 45 degrees for two trapezoidal and triangular macroroughnesses and of 60 degrees for other trapezoidal macroroughnesses-Free jumpCL = 9
CW = 0.295
CH = 0.32
-Sinusoidal-Triangular-Trapezoidal with two side-Rectangular-(RH = 18 and corrugation wavelength = 65)50-Water surface profile-Sequent depth-Jump length-Bed shear stress coefficient
Samadi-Boroujeni et al. [19]-Rectangular channel-Smooth and rough beds-Free jumpCL = 12
CW = 0.40
CH = 0.40
-Six triangular corrugated (RH = 2.5)6.10–13.10-Water surface profile-Sequent depth-Jump length-Energy loss-Velocity profiles-Bed shear stress coefficient
Ahmed et al. [20]-Smooth and rough beds-Rectangular channel-Submerged jumpCL = 24.50
CW = 0.75
CH = 0.70
-Triangular corrugated sheet (RH = 40)1.68–9.29-Conjugated and tailwater depths-Submerged ratio-Deficit depth-Relative jump length-Jump length-Relative roller jump length-Jump efficiency-Bed shear stress coefficient
Nikmehr and Aminpour [15]-Horizontal bed with slope 0.002-Rectangular channel-Rough bed-Free jumpCL = 12
CW = 0.25
CH = 0.50
-Trapezoidal blocks (RH = 2, 3 and 4)5.01–13.70-Water surface profile-Sequent depth-Jump length-Roller length-Velocity
Ghaderi et al. [17]-Smooth and rough beds-Rectangular channel-Free and submerged jumpCL = 4.50
CW = 0.75
CH = 0.70
-Triangular, square and semi-oval macroroughnesses (RH = 40 and distance of roughness of I = 40, 80, 120, 160 and 200)1.70–9.30-Horizontal velocity distributions-Bed shear stress coefficient-Sequent depth ratio and submerged depth ratio-Jump length-Energy loss
Present studyRectangular channel
Smooth and rough beds
Submerged jump
CL = 4.50
CW = 0.75
CH = 0.70
-Triangular macroroughnesses (RH = 40 and distance of roughness of I = 40, 80, 120, 160 and 200)1.70–9.30-Longitudinal profile of streamlines-Flow patterns in the cavity region-Horizontal velocity profiles-Streamwise velocity distribution-Bed shear stress coefficient-TKE-Thickness of the inner layer-Energy loss

CL1: channel length, CW2: channel width, CH3: channel height, RH4: roughness height.

이전에 논의된 조사의 주요 부분은 실험실 접근 방식을 기반으로 하며 사인파, 마름모꼴, 사다리꼴, 정사각형, 직사각형 및 삼각형 매크로 거칠기가 공액 깊이, 잠긴 깊이, 점프 길이, 에너지 손실과 같은 일부 자유 및 수중 유압 점프 특성에 어떻게 영향을 미치는지 조사합니다.

베드 및 전단 응력 계수. 더욱이, 저자[17]에 의해 다양한 형태의 거시적 거칠기에 대한 수력학적 점프에 대한 이전 발표된 논문을 참조하면, 삼각형의 거대조도는 가장 높은 층 전단 응력 계수 및 에너지 손실을 가지며 또한 가장 낮은 잠긴 깊이, tailwater를 갖는 것으로 관찰되었습니다.

다른 거친 모양, 즉 정사각형 및 반 타원형과 부드러운 침대에 비해 깊이와 점프 길이. 따라서 본 논문에서는 삼각형 매크로 거칠기를 사용하여(일정한 거칠기 높이가 T = 4cm이고 삼각형 거칠기의 거리가 I = 4, 8, 12, 16 및 20cm인 다른 T/I 비율에 대해), 특정 캐비티 영역의 유동 패턴, 난류 운동 에너지(TKE) 및 흐름 방향 속도 분포와 같은 연구가 필요합니다.

CFD(Computational Fluid Dynamics) 방법은 자유 및 수중 유압 점프[21]와 같은 복잡한 흐름의 모델링 프로세스를 수행하는 중요한 도구로 등장하며 수중 유압 점프의 특성은 CFD 시뮬레이션을 사용하여 정확하게 예측할 수 있습니다 [22,23 ].

본 논문은 초기에 수중 유압 점프의 주요 특성, 수치 모델에 대한 입력 매개변수 및 Ahmed et al.의 참조 실험 조사를 제시합니다. [20], 검증 목적으로 보고되었습니다. 또한, 본 연구에서는 유선의 종방향 프로파일, 캐비티 영역의 유동 패턴, 수평 속도 프로파일, 내부 층의 두께, 베드 전단 응력 계수, TKE 및 에너지 손실과 같은 특성을 조사할 것입니다.

Figure 1. Definition sketch of a submerged hydraulic jump at triangular macroroughnesses.
Figure 1. Definition sketch of a submerged hydraulic jump at triangular macroroughnesses.

Table 2. Effective parameters in the numerical model.

Bed TypeQ
(l/s)
I
(cm)
T (cm)d (cm)y1
(cm)
y4
(cm)
Fr1= u1/(gy1)0.5SRe1= (u1y1)/υ
Smooth30, 4551.62–3.839.64–32.101.7–9.30.26–0.5039,884–59,825
Triangular macroroughnesses30, 454, 8, 12, 16, 20451.62–3.846.82–30.081.7–9.30.21–0.4439,884–59,825
Figure 2. Longitudinal profile of the experimental flume (Ahmed et al. [20]).
Figure 2. Longitudinal profile of the experimental flume (Ahmed et al. [20]).

Table 3. Main flow variables for the numerical and physical models (Ahmed et al. [20]).

ModelsBed TypeQ (l/s)d (cm)y1 (cm)u1 (m/s)Fr1
Numerical and PhysicalSmooth4551.62–3.831.04–3.701.7–9.3
T/I = 0.54551.61–3.831.05–3.711.7–9.3
T/I = 0.254551.60–3.841.04–3.711.7–9.3
Figure 3. The boundary conditions governing the simulations.
Figure 3. The boundary conditions governing the simulations.
Figure 4. Sketch of mesh setup.
Figure 4. Sketch of mesh setup.

Table 4. Characteristics of the computational grids.

MeshNested Block Cell Size (cm)Containing Block Cell Size (cm)
10.551.10
20.651.30
30.851.70

Table 5. The numerical results of mesh convergence analysis.

ParametersAmounts
fs1 (-)7.15
fs2 (-)6.88
fs3 (-)6.19
K (-)5.61
E32 (%)10.02
E21 (%)3.77
GCI21 (%)3.03
GCI32 (%)3.57
GCI32/rp GCI210.98
Figure 5. Time changes of the flow discharge in the inlet and outlet boundaries conditions (A): Q = 0.03 m3/s (B): Q = 0.045 m3/s.
Figure 5. Time changes of the flow discharge in the inlet and outlet boundaries conditions (A): Q = 0.03 m3/s (B): Q = 0.045 m3/s.
Figure 6. The evolutionary process of a submerged hydraulic jump on the smooth bed—Q = 0.03 m3/s.
Figure 6. The evolutionary process of a submerged hydraulic jump on the smooth bed—Q = 0.03 m3/s.
Figure 7. Numerical versus experimental basic parameters of the submerged hydraulic jump. (A): y3/y1; and (B): y4/y1.
Figure 7. Numerical versus experimental basic parameters of the submerged hydraulic jump. (A): y3/y1; and (B): y4/y1.
Figure 8. Velocity vector field and flow pattern through the gate in a submerged hydraulic jump condition: (A) smooth bed; (B) triangular macroroughnesses.
Figure 8. Velocity vector field and flow pattern through the gate in a submerged hydraulic jump condition: (A) smooth bed; (B) triangular macroroughnesses.
Figure 9. Velocity vector distributions in the x–z plane (y = 0) within the cavity region.
Figure 9. Velocity vector distributions in the x–z plane (y = 0) within the cavity region.
Figure 10. Typical vertical distribution of the mean horizontal velocity in a submerged hydraulic jump [46].
Figure 10. Typical vertical distribution of the mean horizontal velocity in a submerged hydraulic jump [46].
Figure 11. Typical horizontal velocity profiles in a submerged hydraulic jump on smooth bed and triangular macroroughnesses.
Figure 11. Typical horizontal velocity profiles in a submerged hydraulic jump on smooth bed and triangular macroroughnesses.
Figure 12. Horizontal velocity distribution at different distances from the sluice gate for the different T/I for Fr1 = 6.1
Figure 12. Horizontal velocity distribution at different distances from the sluice gate for the different T/I for Fr1 = 6.1
Figure 13. Stream-wise velocity distribution for the triangular macroroughnesses with T/I = 0.5 and 0.25.
Figure 13. Stream-wise velocity distribution for the triangular macroroughnesses with T/I = 0.5 and 0.25.
Figure 14. Dimensionless horizontal velocity distribution in the submerged hydraulic jump for different Froude numbers in triangular macroroughnesses.
Figure 14. Dimensionless horizontal velocity distribution in the submerged hydraulic jump for different Froude numbers in triangular macroroughnesses.
Figure 15. Spatial variations of (umax/u1) and (δ⁄y1).
Figure 15. Spatial variations of (umax/u1) and (δ⁄y1).
Figure 16. The shear stress coefficient (ε) versus the inlet Froude number (Fr1).
Figure 16. The shear stress coefficient (ε) versus the inlet Froude number (Fr1).
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.
Figure 17. Longitudinal turbulent kinetic energy distribution on the smooth and triangular macroroughnesses: (A) Y/2; (B) Y/6.
Figure 18. The energy loss (EL/E3) of the submerged jump versus inlet Froude number (Fr1).
Figure 18. The energy loss (EL/E3) of the submerged jump versus inlet Froude number (Fr1).

Conclusions

  • 본 논문에서는 유선의 종방향 프로파일, 공동 영역의 유동 패턴, 수평 속도 프로파일, 스트림 방향 속도 분포, 내부 층의 두께, 베드 전단 응력 계수, 난류 운동 에너지(TKE)를 포함하는 수중 유압 점프의 특성을 제시하고 논의했습니다. ) 및 삼각형 거시적 거칠기에 대한 에너지 손실. 이러한 특성은 FLOW-3D® 모델을 사용하여 수치적으로 조사되었습니다. 자유 표면을 시뮬레이션하기 위한 VOF(Volume of Fluid) 방법과 난류 RNG k-ε 모델이 구현됩니다. 본 모델을 검증하기 위해 평활층과 삼각형 거시 거칠기에 대해 수치 시뮬레이션과 실험 결과를 비교했습니다. 본 연구의 다음과 같은 결과를 도출할 수 있다.
  • 개발 및 개발 지역의 삼각형 거시 거칠기의 흐름 패턴은 수중 유압 점프 조건의 매끄러운 바닥과 비교하여 더 작은 영역에서 동일합니다. 삼각형의 거대 거칠기는 거대 거칠기 사이의 공동 영역에서 또 다른 시계 방향 와류의 형성으로 이어집니다.
  • T/I = 1, 0.5 및 0.33과 같은 거리에 대해 속도 벡터 분포는 캐비티 영역에서 시계 방향 소용돌이를 표시하며, 여기서 속도의 크기는 평균 유속보다 훨씬 작습니다. 삼각형 거대 거칠기(T/I = 0.25 및 0.2) 사이의 거리를 늘리면 캐비티 영역에 크기가 다른 두 개의 소용돌이가 형성됩니다.
  • 삼각형 거시조도 사이의 거리가 충분히 길면 흐름이 다음 조도에 도달할 때까지 속도 분포가 회복됩니다. 그러나 짧은 거리에서 흐름은 속도 분포의 적절한 회복 없이 다음 거칠기에 도달합니다. 따라서 거시 거칠기 사이의 거리가 감소함에 따라 마찰 계수의 증가율이 감소합니다.
  • 삼각형의 거시적 거칠기에서, 잠수 점프의 지정된 섹션에서 최대 속도는 자유 점프보다 높은 값으로 이어집니다. 또한, 수중 점프에서 두 가지 유형의 베드(부드러움 및 거친 베드)에 대해 깊이 및 와류 증가로 인해 베드로부터의 최대 속도 거리는 감소합니다. 잠수 점프에서 경계층 두께는 자유 점프보다 얇습니다.
  • 매끄러운 베드의 난류 영역은 게이트로부터의 거리에 따라 생성되고 자유 표면 롤러 영역 근처에서 발생하는 반면, 거시적 거칠기에서는 난류가 게이트 근처에서 시작되어 더 큰 강도와 제한된 스위프 영역으로 시작됩니다. 이는 반시계 방향 순환의 결과입니다. 거시 거칠기 사이의 공간에서 자유 표면 롤러 및 시계 방향 와류.
  • 삼각 거시 거칠기에서 침지 점프의 베드 전단 응력 계수와 에너지 손실은 유입구 Froude 수의 증가에 따라 증가하는 매끄러운 베드에서 발견된 것보다 더 큽니다. T/I = 0.50 및 0.20에서 최고 및 최저 베드 전단 응력 계수 및 에너지 손실이 평활 베드에 비해 거칠기 요소의 거리가 증가함에 따라 발생합니다.
  • 거의 거칠기 요소가 있는 삼각형 매크로 거칠기의 존재에 의해 주어지는 점프 길이와 잠긴 수심 및 꼬리 수심의 감소는 결과적으로 크기, 즉 길이 및 높이가 감소하는 정수조 설계에 사용될 수 있습니다.
  • 일반적으로 CFD 모델은 다양한 수력 조건 및 기하학적 배열을 고려하여 잠수 점프의 특성 예측을 시뮬레이션할 수 있습니다. 캐비티 영역의 흐름 패턴, 흐름 방향 및 수평 속도 분포, 베드 전단 응력 계수, TKE 및 유압 점프의 에너지 손실은 수치적 방법으로 시뮬레이션할 수 있습니다. 그러나 거시적 차원과 유동장 및 공동 유동의 변화에 ​​대한 다양한 배열에 대한 연구는 향후 과제로 남아 있다.

References

  1. White, F.M. Viscous Fluid Flow, 2nd ed.; McGraw-Hill University of Rhode Island: Montreal, QC, Canada, 1991. [Google Scholar]
  2. Launder, B.E.; Rodi, W. The turbulent wall jet. Prog. Aerosp. Sci. 197919, 81–128. [Google Scholar] [CrossRef]
  3. McCorquodale, J.A. Hydraulic jumps and internal flows. In Encyclopedia of Fluid Mechanics; Cheremisinoff, N.P., Ed.; Golf Publishing: Houston, TX, USA, 1986; pp. 120–173. [Google Scholar]
  4. Federico, I.; Marrone, S.; Colagrossi, A.; Aristodemo, F.; Antuono, M. Simulating 2D open-channel flows through an SPH model. Eur. J. Mech. B Fluids 201234, 35–46. [Google Scholar] [CrossRef]
  5. Khan, S.A. An analytical analysis of hydraulic jump in triangular channel: A proposed model. J. Inst. Eng. India Ser. A 201394, 83–87. [Google Scholar] [CrossRef]
  6. Mortazavi, M.; Le Chenadec, V.; Moin, P.; Mani, A. Direct numerical simulation of a turbulent hydraulic jump: Turbulence statistics and air entrainment. J. Fluid Mech. 2016797, 60–94. [Google Scholar] [CrossRef]
  7. Daneshfaraz, R.; Ghahramanzadeh, A.; Ghaderi, A.; Joudi, A.R.; Abraham, J. Investigation of the effect of edge shape on characteristics of flow under vertical gates. J. Am. Water Works Assoc. 2016108, 425–432. [Google Scholar] [CrossRef]
  8. Azimi, H.; Shabanlou, S.; Kardar, S. Characteristics of hydraulic jump in U-shaped channels. Arab. J. Sci. Eng. 201742, 3751–3760. [Google Scholar] [CrossRef]
  9. De Padova, D.; Mossa, M.; Sibilla, S. SPH numerical investigation of characteristics of hydraulic jumps. Environ. Fluid Mech. 201818, 849–870. [Google Scholar] [CrossRef]
  10. Ead, S.A.; Rajaratnam, N. Hydraulic jumps on corrugated beds. J. Hydraul. Eng. 2002128, 656–663. [Google Scholar] [CrossRef]
  11. Tokyay, N.D. Effect of channel bed corrugations on hydraulic jumps. In Proceedings of the World Water and Environmental Resources Congress 2005, Anchorage, AK, USA, 15–19 May 2005; pp. 1–9. [Google Scholar]
  12. Abbaspour, A.; Dalir, A.H.; Farsadizadeh, D.; Sadraddini, A.A. Effect of sinusoidal corrugated bed on hydraulic jump characteristics. J. Hydro-Environ. Res. 20093, 109–117. [Google Scholar] [CrossRef]
  13. Shafai-Bejestan, M.S.; Neisi, K. A new roughened bed hydraulic jump stilling basin. Asian J. Appl. Sci. 20092, 436–445. [Google Scholar] [CrossRef]
  14. Izadjoo, F.; Shafai-Bejestan, M. Corrugated bed hydraulic jump stilling basin. J. Appl. Sci. 20077, 1164–1169. [Google Scholar] [CrossRef]
  15. Nikmehr, S.; Aminpour, Y. Numerical Simulation of Hydraulic Jump over Rough Beds. Period. Polytech. Civil Eng. 201764, 396–407. [Google Scholar] [CrossRef]
  16. Flow Science Inc. FLOW-3D V 11.2 User’s Manual; Flow Science Inc.: Santa Fe, NM, USA, 2016. [Google Scholar]
  17. Ghaderi, A.; Dasineh, M.; Aristodemo, F.; Ghahramanzadeh, A. Characteristics of free and submerged hydraulic jumps over different macroroughnesses. J. Hydroinform. 202022, 1554–1572. [Google Scholar] [CrossRef]
  18. Elsebaie, I.H.; Shabayek, S. Formation of hydraulic jumps on corrugated beds. Int. J. Civil Environ. Eng. IJCEE–IJENS 201010, 37–47. [Google Scholar]
  19. Samadi-Boroujeni, H.; Ghazali, M.; Gorbani, B.; Nafchi, R.F. Effect of triangular corrugated beds on the hydraulic jump characteristics. Can. J. Civil Eng. 201340, 841–847. [Google Scholar] [CrossRef]
  20. Ahmed, H.M.A.; El Gendy, M.; Mirdan, A.M.H.; Ali, A.A.M.; Haleem, F.S.F.A. Effect of corrugated beds on characteristics of submerged hydraulic jump. Ain Shams Eng. J. 20145, 1033–1042. [Google Scholar] [CrossRef]
  21. Viti, N.; Valero, D.; Gualtieri, C. Numerical simulation of hydraulic jumps. Part 2: Recent results and future outlook. Water 201911, 28. [Google Scholar] [CrossRef]
  22. Gumus, V.; Simsek, O.; Soydan, N.G.; Akoz, M.S.; Kirkgoz, M.S. Numerical modeling of submerged hydraulic jump from a sluice gate. J. Irrig. Drain. Eng. 2016142, 04015037. [Google Scholar] [CrossRef]
  23. Jesudhas, V.; Roussinova, V.; Balachandar, R.; Barron, R. Submerged hydraulic jump study using DES. J. Hydraul. Eng. 2017143, 04016091. [Google Scholar] [CrossRef]
  24. Rajaratnam, N. The hydraulic jump as a wall jet. J. Hydraul. Div. 196591, 107–132. [Google Scholar] [CrossRef]
  25. Hager, W.H. Energy Dissipaters and Hydraulic Jump; Kluwer Academic Publisher: Dordrecht, The Netherlands, 1992; pp. 185–224. [Google Scholar]
  26. Long, D.; Steffler, P.M.; Rajaratnam, N. LDA study of flow structure in submerged Hydraulic jumps. J. Hydraul. Res. 199028, 437–460. [Google Scholar] [CrossRef]
  27. Chow, V.T. Open Channel Hydraulics; McGraw-Hill: New York, NY, USA, 1959. [Google Scholar]
  28. Wilcox, D.C. Turbulence Modeling for CFD, 3rd ed.; DCW Industries, Inc.: La Canada, CA, USA, 2006. [Google Scholar]
  29. Hirt, C.W.; Nichols, B.D. Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys. 198139, 201–225. [Google Scholar] [CrossRef]
  30. Pourshahbaz, H.; Abbasi, S.; Pandey, M.; Pu, J.H.; Taghvaei, P.; Tofangdar, N. Morphology and hydrodynamics numerical simulation around groynes. ISH J. Hydraul. Eng. 2020, 1–9. [Google Scholar] [CrossRef]
  31. Choufu, L.; Abbasi, S.; Pourshahbaz, H.; Taghvaei, P.; Tfwala, S. Investigation of flow, erosion, and sedimentation pattern around varied groynes under different hydraulic and geometric conditions: A numerical study. Water 201911, 235. [Google Scholar] [CrossRef]
  32. Zhenwei, Z.; Haixia, L. Experimental investigation on the anisotropic tensorial eddy viscosity model for turbulence flow. Int. J. Heat Technol. 201634, 186–190. [Google Scholar]
  33. Carvalho, R.; Lemos Ramo, C. Numerical computation of the flow in hydraulic jump stilling basins. J. Hydraul. Res. 200846, 739–752. [Google Scholar] [CrossRef]
  34. Bayon, A.; Valero, D.; García-Bartual, R.; López-Jiménez, P.A. Performance assessment of Open FOAM and FLOW-3D in the numerical modeling of a low Reynolds number hydraulic jump. Environ. Model. Softw. 201680, 322–335. [Google Scholar] [CrossRef]
  35. Daneshfaraz, R.; Ghaderi, A.; Akhtari, A.; Di Francesco, S. On the Effect of Block Roughness in Ogee Spillways with Flip Buckets. Fluids 20205, 182. [Google Scholar] [CrossRef]
  36. Ghaderi, A.; Abbasi, S. CFD simulation of local scouring around airfoil-shaped bridge piers with and without collar. Sādhanā 201944, 216. [Google Scholar] [CrossRef]
  37. Ghaderi, A.; Daneshfaraz, R.; Dasineh, M.; Di Francesco, S. Energy Dissipation and Hydraulics of Flow over Trapezoidal–Triangular Labyrinth Weirs. Water 202012, 1992. [Google Scholar] [CrossRef]
  38. Ghaderi, A.; Abbasi, S.; Abraham, J.; Azamathulla, H.M. Efficiency of trapezoidal labyrinth shaped stepped spillways. Flow Meas. Instrum. 202072, 101711. [Google Scholar] [CrossRef]
  39. Yakhot, V.; Orszag, S.A. Renormalization group analysis of turbulence. I. basic theory. J. Sci. Comput. 19861, 3–51. [Google Scholar] [CrossRef] [PubMed]
  40. Biscarini, C.; Di Francesco, S.; Ridolfi, E.; Manciola, P. On the simulation of floods in a narrow bending valley: The malpasset dam break case study. Water 20168, 545. [Google Scholar] [CrossRef]
  41. Ghaderi, A.; Daneshfaraz, R.; Abbasi, S.; Abraham, J. Numerical analysis of the hydraulic characteristics of modified labyrinth weirs. Int. J. Energy Water Resour. 20204, 425–436. [Google Scholar] [CrossRef]
  42. Alfonsi, G. Reynolds-averaged Navier–Stokes equations for turbulence modeling. Appl. Mech. Rev. 200962. [Google Scholar] [CrossRef]
  43. Abbasi, S.; Fatemi, S.; Ghaderi, A.; Di Francesco, S. The Effect of Geometric Parameters of the Antivortex on a Triangular Labyrinth Side Weir. Water 202113, 14. [Google Scholar] [CrossRef]
  44. Celik, I.B.; Ghia, U.; Roache, P.J. Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J. Fluids Eng. 2008130, 0780011–0780013. [Google Scholar]
  45. Khan, M.I.; Simons, R.R.; Grass, A.J. Influence of cavity flow regimes on turbulence diffusion coefficient. J. Vis. 20069, 57–68. [Google Scholar] [CrossRef]
  46. Javanappa, S.K.; Narasimhamurthy, V.D. DNS of plane Couette flow with surface roughness. Int. J. Adv. Eng. Sci. Appl. Math. 2020, 1–13. [Google Scholar] [CrossRef]
  47. Nasrabadi, M.; Omid, M.H.; Farhoudi, J. Submerged hydraulic jump with sediment-laden flow. Int. J. Sediment Res. 201227, 100–111. [Google Scholar] [CrossRef]
  48. Pourabdollah, N.; Heidarpour, M.; Abedi Koupai, J. Characteristics of free and submerged hydraulic jumps in different stilling basins. In Water Management; Thomas Telford Ltd.: London, UK, 2019; pp. 1–11. [Google Scholar]
  49. Rajaratnam, N. Turbulent Jets; Elsevier Science: Amsterdam, The Netherlands, 1976. [Google Scholar]
  50. Aristodemo, F.; Marrone, S.; Federico, I. SPH modeling of plane jets into water bodies through an inflow/outflow algorithm. Ocean Eng. 2015105, 160–175. [Google Scholar] [CrossRef]
  51. Shekari, Y.; Javan, M.; Eghbalzadeh, A. Three-dimensional numerical study of submerged hydraulic jumps. Arab. J. Sci. Eng. 201439, 6969–6981. [Google Scholar] [CrossRef]
  52. Khan, A.A.; Steffler, P.M. Physically based hydraulic jump model for depth-averaged computations. J. Hydraul. Eng. 1996122, 540–548. [Google Scholar] [CrossRef]
  53. De Dios, M.; Bombardelli, F.A.; García, C.M.; Liscia, S.O.; Lopardo, R.A.; Parravicini, J.A. Experimental characterization of three-dimensional flow vortical structures in submerged hydraulic jumps. J. Hydro-Environ. Res. 201715, 1–12. [Google Scholar] [CrossRef]
Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations.
A photo of HeMOSU-1.

FLOW-3D를 이용한 해상 자켓구조물 주변의 세굴 수치모의 실험

Numerical Simulation Test of Scour around Offshore Jacket Structure using FLOW-3D

J Korean Soc Coast Ocean Eng. 2015;27(6):373-381Publication date (electronic) : 2015 December 31doi : https://doi.org/10.9765/KSCOE.2015.27.6.373Dong Hui Ko*Shin Taek Jeong,**Nam Sun Oh****Hae Poong Engineering Inc.**Department of Civil and Environmental Engineering, Wonkwang University***Ocean·Plant Construction Engineering, Mokpo Maritime National University
고동휘*, 정신택,**, 오남선***

*(주)해풍기술**원광대학교 토목환경공학과***목포해양대학교 해양·플랜트건설공학과

Abstract

해상풍력 기기, 해상 플랫폼과 같은 구조물이 해상에서 빈번하게 설치되면서 세굴에 관한 영향도 중요시되고 있다. 이러한 세굴 영향을 검토하기 위해 세굴 수치모의 실험을 수행한다. 일반적으로 수치모의 조건은 일방향 흐름에 대해서만 검토가 이뤄지고 있으며 서해안과 같은 왕복성 조류 흐름에 대해서는 검토되지 않는다. 본 연구에서는 서해안에 설치된 HeMOSU-1호 해상 자켓구조물 주변에서 발생하는 세굴 현상을 FLOW-3D를 이용하여 수치모의하였다. 해석 조건으로는 일방향 흐름과 조석현상을 고려한 왕복성 흐름을 고려하였으며, 이를 현장 관측값과 비교하였다. 10,000초 동안의 수치모의 결과, 일방향의 흐름 조건에서는 1.32 m의 최대 세굴심이 발생하였으며, 양방향 흐름 조건에서는 1.44 m의 최대 세굴심이 발생하였다. 한편, 현장 관측값의 경우 약 1.5~2.0 m의 세굴심이 발생하여 양방향의 흐름에 대한 해석 결과와 근사한 값을 보였다.

Keywords 세굴일방향 흐름왕복성 조류 흐름해상 자켓구조물FLOW-3D최대 세굴심, scouruni-directional flowbi-directional tidal current flowoffshore jacket substructureFlow-3Dmaximum scour depth

As offshore structures such as offshore wind and offshore platforms have been installed frequently in ocean, scour effects are considered important. To test the scour effect, numerical simulation of scour has been carried out. However, the test was usually conducted under the uni-directional flow without bi-directional current flow in western sea of Korea. Thus, in this paper, numerical simulations of scour around offshore jacket substructure of HeMOSU-1 installed in western sea of Korea are conducted using FLOW-3D. The conditions are uni-directional and bi-directional flow considering tidal current. And these results are compared to measured data. The analysis results for 10,000 sec show that under uni-directional conditions, maximum scour depth was about 1.32 m and under bi-directional conditions, about 1.44 m maximum scour depth occurred around the structure. Meanwhile, about 1.5~2.0 m scour depths occurred in field observation and the result of field test is similar to result under bi-directional conditions.

1. 서 론

최근 해상풍력기기, 해상플랫폼과 같은 해상구조물 설치가 빈번해지면서 해상구조물의 안정성을 저하시키는 요인에 대한 대응 연구가 필요하다. 특히 해상에서의 구조물 설치는 육상과 달리 수력학적 하중이 작용하게 되기 때문에 파랑에 의한 구조물과의 진동, 세굴 현상에 대하여 철저한 사전 검토가 요구된다. 특히, 해상 기초에서 발생하는 세굴은 조류 및 파랑 등 유체 흐름과 구조물 사이의 상호작용으로 인해 해저 입자가 유실되는 현상으로 정의할 수 있으며 해상 외력 조건에 포함되어 설계시 고려하도록 제안하고 있다(IEC, 2009).구조물을 해상에 설치하게 되면 구조물이 흐름을 방해하는 장애요인으로 작용하여 구조물 주위에 부분적으로 더 빠른 유속이 발생하게 된다. 이러한 유속 변화는 압력 분포 변화에 기인하게 되어 해양구조물 주위에 아래로 흐르는 유속(downflow), 말굽형 와류(horseshoe vortex) 그리고 후류 와류(wake vortex)가 나타난다. 결국, 유속과 흐름의 변화를 야기하고 하상전단응력과 유사이동 능력을 증가시켜 해저 입자를 유실시키며 구조물의 안정성을 위협하는 요인으로 작용하게 된다. 이러한 세굴 현상이 계속 진행되면 해상풍력 지지구조물 기초의 지지력이 감소하게 될 뿐만 아니라 지지면의 유실로 상부반력 작용에 편심을 유발하여 기초의 전도를 초래한다. 또한 세굴에 의한 기초의 부등 침하가 크게 발생하면 상부 해상풍력 지지구조물에 보다 큰 단면력이 작용하므로 세굴에 의한 붕괴가 발생할 수 있다. 이처럼 세굴은 기초지지구조물을 붕괴하고, 침하와 얕은 기초의 변형을 초래하며, 구조물의 동적 성능을 변화시키기 때문에 설계 및 시공 유지관리시 사전에 세굴심도 산정, 세굴 완화 대책 등을 고려하여야 한다.또한 각종 설계 기준서에서는 세굴에 대해 다양하게 제시하고 있다. IEC(2009)ABS(2013)BSH(2007)MMAF(2005)에서는 세굴에 대한 영향을 검토할 것을 주문하지만 심도 산정 등 세굴에 대한 구체적인 내용은 언급하지 않고 전반적인 내용만 수록하고 있다. 그러나 DNV(2010)CEM(2006)에서는 경험 공식을 이용한 세굴 심도 산정 등 구체적인 내용을 광범위하게 수록하고 있어 세굴에 대한 영향 검토시 활용가능하다. 그 외의 기준서에서는 수치 모델 등을 통한 세굴 검토를 주문하고 있어 사용자들이 직접 판단하도록 제안하고 있다.그러나 세굴은 유속, 수심, 구조물 폭, 형상, 해저입자 등에 의해 결정되기 때문에 세굴의 영향 정도를 정확하게 예측하기란 쉽지 않지만 수리 모형 실험 또는 CFD(Computational Fluid Dynamics)를 이용한 수치 해석을 통해 지반 침식 및 퇴적으로 인한 지형변화를 예측할 수 있다. 한편, 침식과 퇴적 등 구조물 설치로 인한 해저 지형 변화를 예측하는 모델은 다양하지만, 본 연구에서는 Flowscience의 3차원 유동해석모델인 Flow-3D 모델을 사용하였다.해상 구조물은 목적에 따라 비교적 수심이 낮은 지역에 설치가 용이하다. 국내의 경우, 서남해안과 같이 비교적 연안역이 넓고 수심이 낮은 지역에 구조물을 설치하는 것이 비용 및 유지관리 측면에서 유리할 수 있다. 그러나 국내 서남해안 지역은 왕복성 흐름, 즉 조류가 발생하는 지역으로 흐름의 방향이 시간에 따라 변화하게 된다. 따라서, 세굴 수치 모의시 이러한 왕복성 흐름을 고려해야한다. 그러나 대부분의 수치 모델 적용시 조류가 우세한 지역에서도 일방향의 흐름에 대해서만 검토하며 왕복성 흐름에 의한 지층의 침식과 퇴적작용으로 인해 발생하는 해저 입자의 상호 보충 효과는 배제되게 된다. 또한 이로 인해 수치모델 결과에 많은 의구심이 발생하게 되며 현실성이 결여된 해석으로 보여질 수 있다. 이러한 왕복흐름의 영향을 검토하기 위해 Kim and Gang(2011)은 조류의 왕복류 흐름을 고려하여 지반의 수리 저항 성능 실험을 수행하였으며, 양방향이 일방향 흐름보다 세굴이 크게 발생하는 것을 발표하였다. 또한 Kim et al.(2012)은 흐름의 입사각에 따른 수리저항 실험을 수행하였으며 입사각이 커짐에 따라 세굴률이 증가하는 것으로 나타났다.본 연구에서는 단일방향 고정유속 그리고 양방향 변동유속조건에서 발생하는 지형 변화와 세굴 현상을 수치 모의하였으며, 이러한 비선형성 흐름변화에 따른 세굴 영향 정도를 검토하였다. 더불어 현장 관측 자료와의 비교를 통해 서남해안과 같은 왕복성 흐름이 발생하는 지역에서의 세굴 예측시 적절한 모델 수립 방안을 제안하고자 한다.

2. 수치해석 모형

본 연구에서는 Autodesk의 3D max 프로그램을 이용하여 지지구조물 형상을 제작하였으며, 수치해석은 미국 Flowscience가 개발한 범용 유동해석 프로그램인 FLOW-3D(Ver. 11.0.4.5)를 사용하였다. 좌표계는 직교 좌표계를 사용하였으며 복잡한 3차원 형상의 표현을 위하여 FAVOR 기법(Fractional Area/Volume Obstacle Representation Method)을 사용하였다. 또한 유한차분법에 FAVOR 기법을 도입한 유한체적법의 접근법을 사용하였으며 직교좌표계 에서 비압축성 유체의 3차원 흐름을 해석하기 위한 지배방정식으로는 연속방정식과 운동방정식이 사용되었다. 난류모형으로는 RNG(renormalized group)모델을 사용하였다.

2.1 FLOW-3D의 지배방정식

수식은 MathML 표현문제로 본 문서의 하단부의 원문바로가기 링크를 통해 원문을 참고하시기 바랍니다.

2.1.1 연속방정식

직교좌표계 (x,y,z)에서 비압축성 유체는 압축성 유체의 연속방정식에서 유도될 수 있으며 다음 식 (1)과 같다.

(1)

∂∂x(uAx)+∂∂y(vAy)+∂∂z(wAz)=RSORρ∂∂x(uAx)+∂∂y(vAy)+∂∂z(wAz)=RSORρ
여기서, u, v, w는 (x,y,z) 방향별 유체속도, Ax, Ay, Az는 각 방향별 유체 흐름을 위해 확보된 면적비 (Area fraction), ρ는 유체 밀도, RSOR은 질량생성/소멸(Mass source/sink)항이다.

2.1.2 운동방정식

본 모형은 3차원 난류모형이므로 각각의 방향에 따른 운동량 방정식은 다음 식(2)~(4)와 같다.

(2)

∂u∂t+1VF(uAx∂u∂x+vAy∂u∂y+wAz∂u∂z)   =−1ρ∂p∂x+Gx+fx−bx−RSORρVFu∂u∂t+1VF(uAx∂u∂x+vAy∂u∂y+wAz∂u∂z)   =−1ρ∂p∂x+Gx+fx−bx−RSORρVFu

(3)

∂v∂t+1VF(uAx∂v∂x+vAy∂v∂y+wAz∂v∂z)   =−1ρ∂p∂y+Gy+fy−by−RSORρVFv∂v∂t+1VF(uAx∂v∂x+vAy∂v∂y+wAz∂v∂z)   =−1ρ∂p∂y+Gy+fy−by−RSORρVFv

(4)

∂w∂t+1VF(uAx∂w∂x+vAy∂w∂y+wAz∂w∂z)   =−1ρ∂p∂z+Gz+fz−bz−RSORρVFw∂w∂t+1VF(uAx∂w∂x+vAy∂w∂y+wAz∂w∂z)   =−1ρ∂p∂z+Gz+fz−bz−RSORρVFw여기서, RSOR은 질량생성/소멸(Mass source/sink)항, VF는 체적비 (Volume fraction), p는 압력, Gx, Gy, Gz는 방향별 체적력항, fx, fy, fz는 방향별 점성력항, bx, by, bz는 다공질 매체에서 방향별 흐름 손실이다.그리고 점성계수 µ에 대하여 점성력항은 다음 식 (5)~(7)과 같다.

(5)

ρVffx=wsx−{∂∂x(Axτxx)+R∂∂y(Ayτxy)+∂∂z(Azτxz)+ζx(Axτxx−Ayτyy)}ρVffx=wsx−{∂∂x(Axτxx)+R∂∂y(Ayτxy)+∂∂z(Azτxz)+ζx(Axτxx−Ayτyy)}

(6)

ρVffy=wsy−{∂∂x(Axτxy)+R∂∂y(Ayτyy)+∂∂z(Azτyz)+ζx(Axτxx−Ayτxy)}ρVffy=wsy−{∂∂x(Axτxy)+R∂∂y(Ayτyy)+∂∂z(Azτyz)+ζx(Axτxx−Ayτxy)}

(7)

ρVffz=wsz−{∂∂x(Axτxz)+R∂∂y(Ayτyz)+∂∂z(Azτzz)+ζx(Axτzz)}ρVffz=wsz−{∂∂x(Axτxz)+R∂∂y(Ayτyz)+∂∂z(Azτzz)+ζx(Axτzz)}여기서, wsx, wsy, wsz는 벽전단응력이며, 벽전단응력은 벽 근처에서 벽 법칙 (law of the wall)을 따르며, 식 (8)~(13)에 의해 표현되어진다.

(8)

τxx=−2μ{∂u∂x−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}τxx=−2μ{∂u∂x−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}

(9)

τyy=−2μ{R∂v∂y+ζux−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}τyy=−2μ{R∂v∂y+ζux−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}

(10)

τzz=−2μ{R∂w∂y−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}τzz=−2μ{R∂w∂y−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}

(11)

τxy=−μ{∂v∂x+R∂u∂y−ζvx}τxy=−μ{∂v∂x+R∂u∂y−ζvx}

(12)

τxz=−μ{∂u∂y+∂w∂x}τxz=−μ{∂u∂y+∂w∂x}

(13)

τyz=−μ{∂v∂z+R∂w∂y}τyz=−μ{∂v∂z+R∂w∂y}

2.1.3 Sediment scour model

Flow-3D 모델에서 사용하는 sediment scour model은 해저입자의 특성에 따라 해저 입자의 침식, 이송, 전단과 흐름 변화로 인한 퇴적물의 교란 그리고 하상 이동을 계산한다.

2.1.3.1 The critical Shields parameter

무차원 한계소류력(the dimensionless critical Shields parameter)은 Soulsby-Whitehouse 식에 의해 다음 식 (14)와 같이 나타낼 수 있다(Soulsby, 1997).

(14)

θcr,i=0.31+1.2R∗i+0.055[1−exp(−0.02R∗i)]θcr,i=0.31+1.2Ri*+0.055[1−exp(−0.02Ri*)]여기서 무차원 상수, R∗iRi*는 다음 식 (15)와 같다.

(15)

R∗i=ds,i0.1(ρs,i−ρf)ρf∥g∥ds,i−−−−−−−−−−−−−−−−−−−√μfRi*=ds,i0.1(ρs,i−ρf)ρf‖g‖ds,iμf여기서 ρs, i는 해저 입자의 밀도, ρf는 유체 밀도, ds, i는 해저입자 직경, g는 중력가속도이다.한편, 안식각에 따라 한계소류력은 다음 식 (16)과 같이 표현될 수 있다.

(16)

θ′cr,i=θcr,icosψsinβ+cos2βtan2ψi−sin2ψsin2β−−−−−−−−−−−−−−−−−−−−√tanψiθcr,i′=θcr,icosψsinβ+cos2βtan2ψi−sin2ψsin2βtanψi여기서, β는 하상 경사각, ψi는 해저입자의 안식각, ψ는 유체와 해저경사의 사잇각이다.또한 local Shields number는 국부 전단응력, τ에 기초하여 다음 식 (17)과 같이 계산할 수 있다.

(17)

θi=τ∥g∥ds,i(ρs,i−ρf)θi=τ‖g‖ds,i(ρs,i−ρf)여기서, ||g||g 는 중력 벡터의 크기이며, τ는 식 (8)~(13)의 벽 법칙을 이용하여 계산할 수 있다.

2.1.3.2 동반이행(Entrainment)과 퇴적

다음 식은 해저 지반과 부유사 사이의 교란을 나타내는 동반이행과 퇴적 현상을 계산한다. 해저입자의 동반이행 속도의 계산식은 다음 식 (18)과 같으며 부유사로 전환되는 해저의 양을 계산한다.

(18)

ulift,i=αinsd0.3∗(θi−θ′cr,i)1.5∥g∥ds,i(ρs,i−ρf)ρf−−−−−−−−−−−−−−√ulift,i=αinsd*0.3(θi−θcr,i′)1.5‖g‖ds,i(ρs,i−ρf)ρf여기서, αi는 동반이행 매개변수이며, ns는 the packed bed interface에서의 법선벡터, µ는 유체의 동점성계수 그리고 d*은 무차원 입자 직경으로 다음 식 (19)와 같다.

(19)

d∗=ds,i[ρf(ρs,i−ρf)∥g∥μ2]1/3d*=ds,i[ρf(ρs,i−ρf)‖g‖μ2]1/3또한 퇴적 모델에서 사용하는 침강 속도 식은 다음 식 (20)같이 나타낼 수 있다.

(20)

usettling,i=νfds,i[(10.362+1.049d3∗)0.5−10.36]usettling,i=νfds,i[(10.362+1.049d*3)0.5−10.36]여기서, νf는 유체의 운동점성계수이다.

2.1.3.3 하상이동 모델(Bedload transport)

하상이동 모델은 해저면에 대한 단위 폭당 침전물의 체적흐름을 예측하는데 사용되며 다음 식 (21)과 같이 표현되어진다.

(21)

Φi=βi(θi−θ′cr,i)1.5Φi=βi(θi−θcr,i′)1.5여기서 Φi는 무차원 하상이동률이며 βi는 일반적으로 8.0의 값을 사용한다(van Rijn, 1984).단위 폭당 체적 하상이동률, qi는 다음 식 (22)와 같이 나타낼 수 있다.

(22)

qb,i=fb,i Φi[∥g∥(ρs,i−ρfρf)d3s,i]1/2qb,i=fb,i Φi[‖g‖(ρs,i−ρfρf)ds,i3]1/2여기서, fb, i는 해저층의 입자별 체적률이다.또한 하상이동 속도를 계산하기 위해 다음 식 (23)에 의해 해저면층 두께를 계산할 수 있다.

(23)

δi=0.3ds,id0.7∗(θiθ′cr,i−1)0.5δi=0.3ds,id*0.7(θiθcr,i′−1)0.5그리고 하상이동 속도 식은 다음 식 (24)와 같이 계산되어진다.

(24)

ubedload,i=qb,iδifb,iubedload,i=qb,iδifb,i

2.2 모델 구성 및 해역 조건

2.2.1 해역 조건 및 적용 구조물

본 수치해석은 위도와 안마도 사이의 해양 조건을 적용하였으며 지점은 Fig. 1과 같다.

jkscoe-27-6-373f1.gifFig. 1.Iso-water depth contour map in western sea of Korea.

본 해석 대상 해역은 서해안의 조석 현상이 뚜렷한 지역으로 조류 흐름이 지배적이며 위도의 조화분석의 결과를 보면 조석형태수가 0.21로서 반일주조 형태를 취한다. 또한 북동류의 창조류와 남서류의 낙조류의 특성을 보이며 조류의 크기는 대상 영역에서 0.7~1 m/s의 최강유속 분포를 보이는 것으로 발표된 바 있다. 또한 대상 해역의 시추조사 결과를 바탕으로 해저조건은 0.0353 mm 로 설정하였고(KORDI, 2011), 수위는 등수심도를 바탕으로 15 m로 하였다.한편, 풍황자원 분석을 통한 단지 세부설계 기초자료 제공, 유속, 조류 등 해양 환경변화 계측을 통한 환경영향평가 기초자료 제공을 목적으로 Fig. 2와 같이 해상기상탑(HeMOSU-1호)을 설치하여 운영하고 있다. HeMOSU-1호는 평균해수면 기준 100 m 높이이며, 중량은 100 톤의 자켓구조물로 2010년 설치되었다. 본 연구에서는 HeMOSU-1호의 제원을 활용하여 수치 모의하였으며, 2013년 7월(설치 후 약 3년 경과) 현장 관측을 수행하였다.

jkscoe-27-6-373f2.gifFig. 2.A photo of HeMOSU-1.

2.2.2 모델 구성

본 연구에서는 왕복성 조류의 영향을 살펴보기 위해 2 case에 대하여 해석하였다. 먼저, Case 1은 1 m/s의 고정 유속을 가진 일방향 흐름에 대한 해석이며, Case 2는 -1~1 m/s의 유속분포를 가진 양방향 흐름에 대한 해석이다. 여기서 (-)부호는 방향을 의미한다. Fig. 3은 시간대별 유속 분포를 나타낸 것이다.

jkscoe-27-6-373f3.gifFig. 3.Comparison of current speed conditions.

2.2.3 구조물 형상 및 격자

HeMOSU-1호 기상 타워 자켓 구조물 형상은 Fig. 4, 격자 정보는 Table 1과 같으며, 본 연구에서는 총 2,883,000 개의 직교 가변 격자체계를 구성하였다.

jkscoe-27-6-373f4.gifFig. 4.3 Dimensional plot of jacket structure.
Table 1.

Grid information of jacket structure

Xmin/Xmax(m)Ymin/Ymax(m)Zmin/Zmax(m)No. of x gridNo. of y gridNo. of z grid
−100/100−40/40−9/2031015560
Download Table

한편, 계산영역의 격자 형상은 Fig. 5와 같다.

jkscoe-27-6-373f5.gifFig. 5.3 dimensional grid of jacket structure.

2.3 계산 조건

계산영역의 경계 조건으로, Case 1의 경우, 유입부는 유속 조건을 주었으며 유출부는 outflow 조건을 적용하였다. 그리고 Case 2의 경우, 왕복성 흐름을 표현하기 위해 유입부와 유출부 조건을 유속 조건으로 설정하였다. 또한 2가지 경우 모두 상부는 자유수면을 표현하기 위해 pressure로 하였으며 하부는 지반 조건의 특성을 가진 wall 조건을 적용하였다. 양측면은 Symmetry 조건으로 대칭면으로 정의하여 대칭면에 수직한 방향의 에너지와 질량의 유출입이 없고 대칭면에 평행한 방향의 유동저항이 없는 경우로 조건을 설정하였다. 본 연구에서 케이스별 입력 조건을 다음 Table 2에 정리하였다.

Table 2.

Basic information of two scour simulation tests

CaseStructure typeVelocityDirectionAnalysis time
Case 1Jacket1 m/sUnidirectional10,000 sec
Case 2−1~1 m/sBidirectional
Download Table

FLOW-3D는 자유표면을 가진 유동장의 계산에서 정상상태 해석이 불가능하므로 비정상유동 난류해석을 수행하게 되는데 정지 상태의 조건은 조위를 설정하였다. 또한 유속의 초기 흐름은 난류상태의 비정상흐름이 되므로 본 해석에서는 정상상태의 해석 수행을 위해 1,000초의 유동 해석을 수행하였으며 그 후에 10,000초의 sediment scour 모델을 수행하였다. 해수의 밀도는 1,025 kg/m3의 점성유체로 설정하였으며 RNG(renormalized group) 난류 모델을 적용하였다.Go to : Goto

3. 수치모형 실험 결과

3.1 Case 1

본 케이스에서는 1 m/s의 유속을 가진 흐름이 구조물 주변을 흐를 때, 발생하는 세굴에 대해서 수치 모의하였다. Fig. 6은 X-Z 평면의 유속 분포도이고 Fig. 7은 X-Y 평면의 유속 분포이다. 구조물 주변에서 약간의 유속 변화가 발생했지만 전체적으로 1 m/s의 정상 유동 상태를 띄고 있다.

jkscoe-27-6-373f6.gifFig. 6.Current speed distribution in computational domain of case 1 at t = 10,000 sec (X–Z plane).
jkscoe-27-6-373f7.gifFig. 7.Current speed distribution in computational domain of case 1 at t = 10,000 sec (X–Y plane).

이러한 흐름과 구조물과의 상호 작용에 의한 세굴 현상이 발생되며 Fig. 8에 구조물 주변 지형 변화를 나타내었다. 유속이 발생하는 구조물의 전면부는 대체로 침식이 일어나 해저지반이 초기 상태보다 낮아진 것을 확인할 수 있으며, 또한 전면부의 지반이 유실되어 구조물 후면부에 최대 0.13 m까지 퇴적된 것을 확인할 수 있다.

jkscoe-27-6-373f8.gifFig. 8.Sea-bed elevation change of case 1 at t = 10,000 sec.

일방향 흐름인 Case 1의 경우에는 Fig. 9와 같이 10,000초 후 구조물 주변에 최대 1.32 m의 세굴이 발생하는 것으로 나타났다. 또한 구조물 뒤쪽으로는 퇴적이 일어났으며, 구조물 전면부에는 침식작용이 일어나고 있다.

jkscoe-27-6-373f9.gifFig. 9.Scour phenomenon around jacket substructure(Case 1).

3.2 Case 2

서해안은 조석현상으로 인해 왕복성 조류 흐름이 나타나고 있으며 대상해역은 -1~1 m/s의 유속분포를 가지고 있다. 본 연구에서는 이러한 특성을 고려한 왕복성 흐름에 대해서 수치모의하였다.다음 Fig. 10은 X-Z 평면의 유속 분포도이며 Fig. 11은 X-Y 평면의 유속 분포도이다.

jkscoe-27-6-373f10.gifFig. 10.Current speed distribution in computational domain of case 2 at t = 10,000 sec (X–Z plane).
jkscoe-27-6-373f11.gifFig. 11.Current speed distribution in computational domain of case 2 at t = 10,000 sec (X–Y plane).

양방향 흐름인 Case 2의 경우에는 Fig. 12와 같이 10,000초후 구조물 주변에 최대 1.44 m의 세굴이 발생하는 것으로 나타났다. 특히 구조물 내부에 조류 흐름 방향으로 침식 작용이 일어나고 있는 것으로 나타났다.

jkscoe-27-6-373f12.gifFig. 12.Sea-bed elevation change of case 2 at t = 10,000 sec.

Fig. 13은 3차원 수치해석 모의 결과이다.

jkscoe-27-6-373f13.gifFig. 13.Scour phenomenon around jacket substructure(Case 2).

3.3 현장 관측

본 연구에서는 수치모의 실험의 검증을 위해 HeMOSU-1호 기상 타워를 대상으로 하여 2013년 7월 1일 수심 측량을 실시하였다.HeMOSU-1호 주변의 수심측량은 Knudsen sounder 1620과 미국 Trimble사의 DGPS를 이용하여 실시하였다. 매 작업시 Bar-Check를 실시하고, 수중 음파속도는 1,500 m/s로 결정하여 조위 보정을 통해 수심을 측량하였다. 측량선의 해상위치자료는 DGPS를 사용하여 UTM 좌표계로 변환을 실시하였다. 한편, 수심측량은 해면이 정온할 때 실시하였으며 관측 자료의 변동성을 제거하기 위해 2013년 7월 1일 10시~13시에 걸쳐 수심 측량한 자료를 동시간대에 국립해양조사원에서 제공한 위도 자료를 활용해 조위 보정하였다. 다음 Fig. 14는 위도 조위 관측소의 현장관측시간대 조위 시계열 그래프이다.

jkscoe-27-6-373f14.gifFig. 14.Time series of tidal data at Wido (2013.7.1).

2013년 7월 1일 오전 10시부터 오후 1시에 걸쳐 수심측량한 결과를 이용하여 0.5 m 간격으로 등수심도를 작성하였으며 그 결과는 Fig. 15와 같다. 기상탑 내부 해역은 선박이 접근할 수 없기 때문에 측량을 실시하지 않고 Blanking 처리하였다.

jkscoe-27-6-373f15.gifFig. 15.Iso-depth contour map around HeMOSU-1.

대상 해역의 수심은 대부분 -15 m이나 4개의 Jacket 구조물 주변에서는 세굴이 발생하여 수심의 변화가 나타났다. 특히 L-3, L-4 주변에서 최대 1.5~2.0 m의 세굴이 발생한 것으로 보였으며, L-4 주변에서는 넓은 범위에 걸쳐 세굴이 발생하였다. 창조류는 북동, 낙조류는 남서 방향으로 흐르는 조류 방향성을 고려하였을 때, L-4 주변은 조류방향과 동일하게 세굴이 발생하고 있었으며, 보다 상세한 세굴형태는 원형 구조물 내부 방향의 세굴 심도를 측정하여 파악하여야 할 것으로 판단된다.관측결과 최대 1.5~2.0 m인 점을 고려하면 양방향 흐름을 대상으로 장기간에 걸쳐 모의실험을 진행하는 경우, 실제 현상에 더 근접하는 결과를 얻을 수 있을 것으로 사료된다.Go to : Goto

4. 결론 및 토의

본 연구에서는 자켓구조물인 해상기상탑 HeMOSU-1 주변에서 발생하는 세굴현상을 검토하기 위하여 2013년 7월 1일 현장 관측을 수행하고, FLOW-3D를 이용하여 수치모의 실험을 수행하였다. 실험 조건으로는 먼저 1 m/s의 유속을 가진 일방향 흐름과 -1~1 m/s의 흐름 분포를 가진 왕복성 흐름에 대해서 수치모의를 수행하였다. 그 결과 일방향 흐름의 경우, 10,000 초에 이르렀을 때 1.32 m, 왕복성 흐름의 경우 동일 시간에서 1.44 m의 최대 세굴심도가 발생하였다. 동일한 구조물에 대해서 현장 관측 결과는 1.5~2.0 m로 관측되어 일방향 흐름보다 왕복성 흐름의 경우 실제 현상에 더 근사한 것으로 판단되었다. 이는 일방향 흐름의 경우, Fig. 8에서 보는 바와 같이 구조물 후면에 퇴적과 함께 해저입자의 맞물림이 견고해져 해저 지반의 저항력이 커지는 현상에 기인한 것으로 판단된다. 반면 양방향 흐름의 경우, 흐름의 변화로 인해 맞물림이 약해지고 이로 인해 지반의 저항력이 일방향 흐름보다 약해져 세굴이 더 크게 발생하는 것으로 판단되었다.또한 장시간에 걸쳐 모델링을 수행하는 경우, 보다 근사한 결과를 얻을 수 있을 것을 사료되며, 신형식 기초 구조물을 개발하여 세굴을 저감할 수 있는 지 여부를 판단하는 등의 추가 연구가 필요하다.Go to : GotoInternational Electrotechnical Commission (IEC). (2009). IEC 61400-3: Wind turbines – Part 3: Design Requirements for Offshore Wind Turbines, Edition 1.0, IEC.

감사의 글

본 연구는 지식경제 기술혁신사업인 “승강식 해상플랫폼을 가진 수직 진자운동형 30kW급 파력발전기 개발(과제번호 :20133010071570)”와 첨단항만건설기술개발사업인 “해상풍력 지지구조 설계기준 및 콘크리트 지지구조물 기술 개발(과제번호:20120093)”의 일환으로 수행되었습니다.Go to : Goto

References

American Bureau of Shipping (ABS). (2013). Guide for Building and Classing Bottom-Founded Offshore Wind turbine Installations.

API RP 2A WSD. (2005). Recommended Practice for Planning, Designing and Constructing Fixed Offshore Platforms-Working Stress Design, API.

Det Norske Veritas (DNV). (2010). OS-J101 Design of Offshore Wind Turbine Structures.

Federal Maritime and Hydrographic Agency (BSH). (2007). Standard. Design of Offshore Wind Turbines.

FLOW SCIENCE. (2014). FLOW-3D User’s Manual, Version 11.0.4.5.

International Electrotechnical Commission (IEC). (2009). IEC 61400-3: Wind turbines – Part 3: Design Requirements for Offshore Wind Turbines, Edition 1.0, IEC.

International Organization for Standardization (ISO). (2007). ISO 19902: Petroleum and Natural Gas Industries – Fixed Steel Offshore Structures.

Kim, YS, Kang, GO. (2011). Experimental Study on Hydraulic Resistance of Sea Ground Considering Tidal Current Flow, Journal of Korean Society of Coastal and Ocean Engineers. 23(1):118-125 (in Korean).

Kim, YS, Han, BD, Kang, GO. (2012). Effect of Incidence Angle of Current on the Hydraulic Resistance Capacity of Clayey Soil, Journal of Korean Society of Coastal and Ocean Engineers. 24(1):26-35 (in Korean).

KORDI. (2011). BSPN64710-2275-2. An Analysis on the Marine Characteristics and Design Supporting for Offshore Wind Power Plant (in Korean).

Ministry of Maritime Affairs and Fisheries. (2005). Harbor and fishery design criteria (in Korean).

Soulsby, R. (1997). Dynamics of marine sands. Thomas Telford Publications, London.

U.S. Army Corps of Engineers. (2006). Coastal Engineering Manual, Part II : Coastal Hydrodynamics, Chapter II–2, Meteorology and Wave Climate.

van Rijn, L. (1984). Sediment transport, Part II:bed load transport, Journal of Hydraulic Engineering, 110(10):1431-1456.

Figure 1 (A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.

Flow-induced Shear Stress Confers Resistance to Carboplatin in an Adherent Three-Dimensional Model for Ovarian Cancer: A Role for EGFR-Targeted Photoimmunotherapy Informed by Physical Stress

난소암에 대한 일관된 3차원 모델에서 카보플라틴에 대한 유동에 의한 전단응력변화에 관한 연구

Abstract

A key reason for the persistently grim statistics associated with metastatic ovarian cancer is resistance to conventional agents, including platinum-based chemotherapies. A major source of treatment failure is the high degree of genetic and molecular heterogeneity, which results from significant underlying genomic instability, as well as stromal and physical cues in the microenvironment. Ovarian cancer commonly disseminates via transcoelomic routes to distant sites, which is associated with the frequent production of malignant ascites, as well as the poorest prognosis. In addition to providing a cell and protein-rich environment for cancer growth and progression, ascitic fluid also confers physical stress on tumors. An understudied area in ovarian cancer research is the impact of fluid shear stress on treatment failure. Here, we investigate the effect of fluid shear stress on response to platinum-based chemotherapy and the modulation of molecular pathways associated with aggressive disease in a perfusion model for adherent 3D ovarian cancer nodules. Resistance to carboplatin is observed under flow with a concomitant increase in the expression and activation of the epidermal growth factor receptor (EGFR) as well as downstream signaling members mitogen-activated protein kinase/extracellular signal-regulated kinase (MEK) and extracellular signal-regulated kinase (ERK). The uptake of platinum by the 3D ovarian cancer nodules was significantly higher in flow cultures compared to static cultures. A downregulation of phospho-focal adhesion kinase (p-FAK), vinculin, and phospho-paxillin was observed following carboplatin treatment in both flow and static cultures. Interestingly, low-dose anti-EGFR photoimmunotherapy (PIT), a targeted photochemical modality, was found to be equally effective in ovarian tumors grown under flow and static conditions. These findings highlight the need to further develop PIT-based combinations that target the EGFR, and sensitize ovarian cancers to chemotherapy in the context of flow-induced shear stress.

전이성 난소 암과 관련된 지속적으로 암울한 통계의 주요 이유는 백금 기반 화학 요법을 포함한 기존 약제에 대한 내성 때문입니다. 치료 실패의 주요 원인은 높은 수준의 유전적 및 분자적 이질성이며, 이는 중요한 기본 게놈 불안정성과 미세 환경의 기질 및 물리적 단서로 인해 발생합니다.

난소 암은 흔히 transcoelomic 경로를 통해 먼 부위로 전파되며, 이는 악성 복수의 빈번한 생산과 가장 나쁜 예후와 관련이 있습니다. 암 성장 및 진행을위한 세포 및 단백질이 풍부한 환경을 제공하는 것 외에도 복수 액은 종양에 물리적 스트레스를 부여합니다. 난소 암 연구에서 잘 연구되지 않은 분야는 유체 전단 응력이 치료 실패에 미치는 영향입니다.

여기, 우리는 백금 기반 화학 요법에 대한 반응과 부착 3D 난소 암 결절에 대한 관류 모델에서 공격적인 질병과 관련된 분자 경로의 변조에 대한 유체 전단 응력의 효과를 조사합니다.

카르보플라틴에 대한 내성은 상피 성장 인자 수용체 (EGFR)의 발현 및 활성화의 수반되는 증가 뿐만 아니라 다운 스트림 신호 구성원인 미토겐 활성화 단백질 키나제/세포 외 신호 조절 키나제 (MEK) 및 세포 외 신호 조절과 함께 관찰됩니다. 키나아제 (ERK). 3D 난소 암 결절에 의한 백금 흡수는 정적 배양에 비해 유동 배양에서 상당히 높았습니다.

포스 포-포컬 접착 키나제 (p-FAK), 빈 쿨린 및 포스 포-팍 실린의 하향 조절은 유동 및 정적 배양 모두에서 카보 플 라틴 처리 후 관찰되었습니다. 흥미롭게도, 표적 광 화학적 양식 인 저용량 항 EGFR 광 면역 요법 (PIT)은 유동 및 정적 조건에서 성장한 난소 종양에서 똑같이 효과적인 것으로 밝혀졌습니다.

이러한 발견은 EGFR을 표적으로하는 PIT 기반 조합을 추가로 개발하고 흐름 유도 전단 응력의 맥락에서 화학 요법에 난소 암을 민감하게 할 필요성을 강조합니다.

Keywords: ovarian cancer, epidermal growth factor receptor (EGFR), mitogen-activated protein kinase/extracellular signal-regulated kinase (MEK), extracellular signal-regulated kinase (ERK), chemoresistance, fluid shear stress, ascites, perfusion model, photoimmunotherapy (PIT), photodynamic therapy (PDT), carboplatin

Figure 1 (A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.
Figure 1 (A) A schematic of ovarian cancer metastases involving tumor cells or clusters (yellow) shedding from a primary site and disseminating along ascitic currents of peritoneal fluid (green arrows) in the abdominal cavity. Ovarian cancer typically disseminates in four common abdomino-pelvic sites: (1) cul-de-sac (an extension of the peritoneal cavity between the rectum and back wall of the uterus); (2) right infracolic space (the apex formed by the termination of the small intestine of the small bowel mesentery at the ileocecal junction); (3) left infracolic space (superior site of the sigmoid colon); (4) Right paracolic gutter (communication between the upper and lower abdomen defined by the ascending colon and peritoneal wall). (B) The schematic of a perfusion model used to study the impact of sustained fluid flow on treatment resistance and molecular features of 3D ovarian cancer nodules (Top left). A side view of the perfusion model and growth of ovarian cancer nodules to a stromal bed (Top right). The photograph of a perfusion model used in the experiments (Bottom left) and depth-informed confocal imaging of ovarian cancer nodules in channels with and without carboplatin treatment (Bottom right). The perfusion model is 24 × 40 mm, with three channels that are 4 × 30 mm each and a height of 254 μm. The inlet and outlet ports of channels are 2.2 mm in diameter and positioned 5 mm from the edge of the chip. (C) A schematic of a 24-well plate model used to study the treatment resistance and molecular features of 3D ovarian cancer nodules under static conditions (without flow) (Top left). A side view of the static models and growth of ovarian cancer nodules on a stromal bed (Top right). Confocal imaging of 3D ovarian cancer nodules in a 24-well plate without and with carboplatin treatment (Bottom). Scale bars: 1 mm.
Figure 2 (A) Geometry of the micronodule located at the center of the microchannel. The flow velocity is in the X-direction. The nodule is modeled as an ellipse with a semi-minor axis of 40 μm in the Z-direction. The semi-major axis varies from 40-100 μm in the X-direction. The section over which the fluid dynamics are studied is the middle part of the channel with dimensions 4 mm along the Y-axis and 250 μm along the Z-axis. The nodule is located at (0, 20 μm). The black dotted line shows the centerline of the largest nodule. (B) Shear stress distribution over the surface of the solid micro-nodule on the XZ-plane. (C) Shear stress distribution over the surface of the porous micro-nodule on the XZ-plane. (D) Flow flux distribution over the centerline of the porous micro-nodule on the XZ-plane. The flux enters the surface at the left and leaves at the right.
Figure 2 (A) Geometry of the micronodule located at the center of the microchannel. The flow velocity is in the X-direction. The nodule is modeled as an ellipse with a semi-minor axis of 40 μm in the Z-direction. The semi-major axis varies from 40-100 μm in the X-direction. The section over which the fluid dynamics are studied is the middle part of the channel with dimensions 4 mm along the Y-axis and 250 μm along the Z-axis. The nodule is located at (0, 20 μm). The black dotted line shows the centerline of the largest nodule. (B) Shear stress distribution over the surface of the solid micro-nodule on the XZ-plane. (C) Shear stress distribution over the surface of the porous micro-nodule on the XZ-plane. (D) Flow flux distribution over the centerline of the porous micro-nodule on the XZ-plane. The flux enters the surface at the left and leaves at the right.
Figure 3 Cytotoxic response in carboplatin-treated 3D OVCAR-5 cultures under static conditions. (A) Representative confocal images of 3D tumors treated with carboplatin (0-500 μM) for 96 h showing a dose-dependent reduction in viable tumor (calcein signal). (B) Image-based quantification of normalized viable tumor area in 3D OVCAR-5 cultures following treatment with increasing doses of carboplatin. A minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was applied to the fluorescence images for quantitative analysis of the normalized viable tumor area. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; * p < 0.05; *** p < 0.001; N = 9) (C) Inductively coupled plasma mass spectrometry (ICP-MS)-based quantification of carboplatin uptake in static 3D OVCAR-5 tumors shows a dose-dependent increase in platinum levels, up to 9774 ± 3,052 ng/mg protein at an incubation concentration of 500 μM carboplatin. (One-way ANOVA with Dunn’s multiple comparisons test; n.s., not significant; * p < 0.05; ** p < 0.01; N = 3). Results are expressed as mean ± standard error of mean (SEM). Scale bars: 500 μm.
Figure 3 Cytotoxic response in carboplatin-treated 3D OVCAR-5 cultures under static conditions. (A) Representative confocal images of 3D tumors treated with carboplatin (0-500 μM) for 96 h showing a dose-dependent reduction in viable tumor (calcein signal). (B) Image-based quantification of normalized viable tumor area in 3D OVCAR-5 cultures following treatment with increasing doses of carboplatin. A minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was applied to the fluorescence images for quantitative analysis of the normalized viable tumor area. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; * p < 0.05; *** p < 0.001; N = 9) (C) Inductively coupled plasma mass spectrometry (ICP-MS)-based quantification of carboplatin uptake in static 3D OVCAR-5 tumors shows a dose-dependent increase in platinum levels, up to 9774 ± 3,052 ng/mg protein at an incubation concentration of 500 μM carboplatin. (One-way ANOVA with Dunn’s multiple comparisons test; n.s., not significant; * p < 0.05; ** p < 0.01; N = 3). Results are expressed as mean ± standard error of mean (SEM). Scale bars: 500 μm.
Figure 4 flow-induced chemo-resistance
Figure 4 flow-induced chemo-resistance
Figure 5 The effects of flow-induced shear stress on 3D ovarian cancer biology. (A) Western blot analysis of OVCAR-5 tumors was performed 7 days after culture under static or flow conditions. A flow-induced increase in EGFR and p-ERK, compared to static cultures, was observed. Conversely, a reduction in p-FAK, p-Paxillin, and Vinculin was observed under flow, relative to static conditions. (B) Western blot analysis of 3D OVCAR-5 tumors was performed 11 days after culture under static or flow conditions, including 4 days of treatment with 500 µM carboplatin, and respective controls. In both static and flow 3D cultures, carboplatin treatment resulted in downregulation of EGFR, FAK, p-Paxillin, Paxillin, and Vinculin. Upregulation of p-ERK was observed after carboplatin treatment in both static and flow 3D cultures. (C) Baseline levels of EGFR activity and expression are maintained by a complex array of factors, including recycling and degradation of the activated receptor complex. Flow-induced shear stress has been shown to cause a posttranslational up-regulation of EGFR expression and activation, likely resulting from increased receptor recycling and decreased EGFR degradation. Activation of EGFR results in ERK phosphorylation to induce gene expression, ultimately leading to cell proliferation, survival, and chemoresistance. FAK and other tyrosine kinases are activated by the engagement of integrins with the ECM. Subsequent phosphorylation of paxillin by FAK not only influences the remodeling of the actin cytoskeleton, but also modulates vinculin activation to regulate mitogen-activated protein kinase (MAPK) cascades, thereby stimulating pro-survival gene expression.
Figure 5 The effects of flow-induced shear stress on 3D ovarian cancer biology. (A) Western blot analysis of OVCAR-5 tumors was performed 7 days after culture under static or flow conditions. A flow-induced increase in EGFR and p-ERK, compared to static cultures, was observed. Conversely, a reduction in p-FAK, p-Paxillin, and Vinculin was observed under flow, relative to static conditions. (B) Western blot analysis of 3D OVCAR-5 tumors was performed 11 days after culture under static or flow conditions, including 4 days of treatment with 500 µM carboplatin, and respective controls. In both static and flow 3D cultures, carboplatin treatment resulted in downregulation of EGFR, FAK, p-Paxillin, Paxillin, and Vinculin. Upregulation of p-ERK was observed after carboplatin treatment in both static and flow 3D cultures. (C) Baseline levels of EGFR activity and expression are maintained by a complex array of factors, including recycling and degradation of the activated receptor complex. Flow-induced shear stress has been shown to cause a posttranslational up-regulation of EGFR expression and activation, likely resulting from increased receptor recycling and decreased EGFR degradation. Activation of EGFR results in ERK phosphorylation to induce gene expression, ultimately leading to cell proliferation, survival, and chemoresistance. FAK and other tyrosine kinases are activated by the engagement of integrins with the ECM. Subsequent phosphorylation of paxillin by FAK not only influences the remodeling of the actin cytoskeleton, but also modulates vinculin activation to regulate mitogen-activated protein kinase (MAPK) cascades, thereby stimulating pro-survival gene expression.
Figure 6 PIT efficacy in 3D tumors. (A) Dose-dependent change in normalized viable tumor area in static 3D cultures treated with PIC (1 μM BPD equivalent) and increasing energy densities (10–50 J/cm2 @ 50 mW/cm2). Significant tumoricidal efficacy is observed in a light-dose-dependent manner, starting at 15 J/cm2. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; ** p < 0.01, *** p < 0.001, N = 9) (B) Comparison of cytotoxic response in PIT-treated 3D cultures under static and flow conditions. For quantitative analysis of fluorescence images, a minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was used to establish normalized viable tumor area. PIT is equally effective in 3D tumors grown in static cultures (green) and under flow-induced shear stress (blue) (in contrast to flow-induced chemo-resistance shown in Figure 4) (Two-tailed t test; n.s., not significant; N = 9).
Figure 6 PIT efficacy in 3D tumors. (A) Dose-dependent change in normalized viable tumor area in static 3D cultures treated with PIC (1 μM BPD equivalent) and increasing energy densities (10–50 J/cm2 @ 50 mW/cm2). Significant tumoricidal efficacy is observed in a light-dose-dependent manner, starting at 15 J/cm2. (One-way ANOVA with Dunnett’s post hoc test; n.s., not significant; ** p < 0.01, *** p < 0.001, N = 9) (B) Comparison of cytotoxic response in PIT-treated 3D cultures under static and flow conditions. For quantitative analysis of fluorescence images, a minimum nodule size cut-off of 2000 µm2 (clusters of ~15–20 cells) was used to establish normalized viable tumor area. PIT is equally effective in 3D tumors grown in static cultures (green) and under flow-induced shear stress (blue) (in contrast to flow-induced chemo-resistance shown in Figure 4) (Two-tailed t test; n.s., not significant; N = 9).

References

  1. Siegel R.L., Miller K.D., Jemal A. Cancer statistics, 2019. CA Cancer J. Clin. 2019;69:7–34. doi: 10.3322/caac.21551. [PubMed] [CrossRef] [Google Scholar]
  2. Foley O.W., Rauh-Hain J.A., Del Carmen M.G. Recurrent epithelial ovarian cancer: An update on treatment. Oncology. 2013;27:288–294, 298. [PubMed] [Google Scholar]
  3. Kipps E., Tan D.S., Kaye S.B. Meeting the challenge of ascites in ovarian cancer: New avenues for therapy and research. Nat. Rev. Cancer. 2013;13:273–282. doi: 10.1038/nrc3432. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  4. Tan D.S., Agarwal R., Kaye S.B. Mechanisms of transcoelomic metastasis in ovarian cancer. Lancet Oncol. 2006;7:925–934. doi: 10.1016/S1470-2045(06)70939-1. [PubMed] [CrossRef] [Google Scholar]
  5. Ahmed N., Stenvers K.L. Getting to know ovarian cancer ascites: Opportunities for targeted therapy-based translational research. Front. Oncol. 2013;3:256. doi: 10.3389/fonc.2013.00256. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  6. Shield K., Ackland M.L., Ahmed N., Rice G.E. Multicellular spheroids in ovarian cancer metastases: Biology and pathology. Gynecol. Oncol. 2009;113:143–148. doi: 10.1016/j.ygyno.2008.11.032. [PubMed] [CrossRef] [Google Scholar]
  7. Naora H., Montell D.J. Ovarian cancer metastasis: Integrating insights from disparate model organisms. Nat. Rev. Cancer. 2005;5:355–366. doi: 10.1038/nrc1611. [PubMed] [CrossRef] [Google Scholar]
  8. Lengyel E. Ovarian cancer development and metastasis. Am. J. Pathol. 2010;177:1053–1064. doi: 10.2353/ajpath.2010.100105. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  9. Javellana M., Hoppenot C., Lengyel E. The road to long-term survival: Surgical approach and longitudinal treatments of long-term survivors of advanced-stage serous ovarian cancer. Gynecol. Oncol. 2019;152:228–234. doi: 10.1016/j.ygyno.2018.11.007. [PubMed] [CrossRef] [Google Scholar]
  10. Al Habyan S., Kalos C., Szymborski J., McCaffrey L. Multicellular detachment generates metastatic spheroids during intra-abdominal dissemination in epithelial ovarian cancer. Oncogene. 2018;37:5127–5135. doi: 10.1038/s41388-018-0317-x. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  11. Kim S., Kim B., Song Y.S. Ascites modulates cancer cell behavior, contributing to tumor heterogeneity in ovarian cancer. Cancer Sci. 2016;107:1173–1178. doi: 10.1111/cas.12987. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  12. Bowtell D.D., Bohm S., Ahmed A.A., Aspuria P.J., Bast R.C., Beral V., Berek J.S., Birrer M.J., Blagden S., Bookman M.A., et al. Rethinking ovarian cancer II: Reducing mortality from high-grade serous ovarian cancer. Nat. Rev. Cancer. 2015;15:668–679. doi: 10.1038/nrc4019. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  13. Hoppenot C., Eckert M.A., Tienda S.M., Lengyel E. Who are the long-term survivors of high grade serous ovarian cancer? Gynecol. Oncol. 2018;148:204–212. doi: 10.1016/j.ygyno.2017.10.032. [PubMed] [CrossRef] [Google Scholar]
  14. Zhao Y., Cao J., Melamed A., Worley M., Gockley A., Jones D., Nia H.T., Zhang Y., Stylianopoulos T., Kumar A.S., et al. Losartan treatment enhances chemotherapy efficacy and reduces ascites in ovarian cancer models by normalizing the tumor stroma. Proc. Natl. Acad. Sci. USA. 2019;116:2210–2219. doi: 10.1073/pnas.1818357116. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  15. Ayantunde A.A., Parsons S.L. Pattern and prognostic factors in patients with malignant ascites: A retrospective study. Ann. Oncol. 2007;18:945–949. doi: 10.1093/annonc/mdl499. [PubMed] [CrossRef] [Google Scholar]
  16. Latifi A., Luwor R.B., Bilandzic M., Nazaretian S., Stenvers K., Pyman J., Zhu H., Thompson E.W., Quinn M.A., Findlay J.K., et al. Isolation and characterization of tumor cells from the ascites of ovarian cancer patients: Molecular phenotype of chemoresistant ovarian tumors. PLoS ONE. 2012;7:e46858. doi: 10.1371/journal.pone.0046858. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  17. Ahmed N., Greening D., Samardzija C., Escalona R.M., Chen M., Findlay J.K., Kannourakis G. Unique proteome signature of post-chemotherapy ovarian cancer ascites-derived tumor cells. Sci. Rep. 2016;6:30061. doi: 10.1038/srep30061. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  18. Gjorevski N., Boghaert E., Nelson C.M. Regulation of Epithelial-Mesenchymal Transition by Transmission of Mechanical Stress through Epithelial Tissues. Cancer Microenviron. 2012;5:29–38. doi: 10.1007/s12307-011-0076-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  19. Polacheck W.J., Charest J.L., Kamm R.D. Interstitial flow influences direction of tumor cell migration through competing mechanisms. Proc. Natl. Acad. Sci. USA. 2011;108:11115–11120. doi: 10.1073/pnas.1103581108. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  20. Polacheck W.J., German A.E., Mammoto A., Ingber D.E., Kamm R.D. Mechanotransduction of fluid stresses governs 3D cell migration. Proc. Natl. Acad. Sci. USA. 2014;111:2447–2452. doi: 10.1073/pnas.1316848111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  21. Polacheck W.J., Zervantonakis I.K., Kamm R.D. Tumor cell migration in complex microenvironments. Cell Mol. Life Sci. 2013;70:1335–1356. doi: 10.1007/s00018-012-1115-1. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  22. Swartz M.A., Lund A.W. Lymphatic and interstitial flow in the tumour microenvironment: Linking mechanobiology with immunity. Nat. Rev. Cancer. 2012;12:210–219. doi: 10.1038/nrc3186. [PubMed] [CrossRef] [Google Scholar]
  23. Pisano M., Triacca V., Barbee K.A., Swartz M.A. An in vitro model of the tumor-lymphatic microenvironment with simultaneous transendothelial and luminal flows reveals mechanisms of flow enhanced invasion. Integr. Biol. 2015;7:525–533. doi: 10.1039/C5IB00085H. [PubMed] [CrossRef] [Google Scholar]
  24. Follain G., Herrmann D., Harlepp S., Hyenne V., Osmani N., Warren S.C., Timpson P., Goetz J.G. Fluids and their mechanics in tumour transit: Shaping metastasis. Nat. Rev. Cancer. 2020;20:107–124. doi: 10.1038/s41568-019-0221-x. [PubMed] [CrossRef] [Google Scholar]
  25. Rizvi I., Gurkan U.A., Tasoglu S., Alagic N., Celli J.P., Mensah L.B., Mai Z., Demirci U., Hasan T. Flow induces epithelial-mesenchymal transition, cellular heterogeneity and biomarker modulation in 3D ovarian cancer nodules. Proc. Natl. Acad. Sci. USA. 2013;110:E1974–E1983. doi: 10.1073/pnas.1216989110. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  26. Novak C., Horst E., Mehta G. Mechanotransduction in ovarian cancer: Shearing into the unknown. APL Bioeng. 2018;2 doi: 10.1063/1.5024386. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  27. Carmignani C.P., Sugarbaker T.A., Bromley C.M., Sugarbaker P.H. Intraperitoneal cancer dissemination: Mechanisms of the patterns of spread. Cancer Metastasis Rev. 2003;22:465–472. doi: 10.1023/A:1023791229361. [PubMed] [CrossRef] [Google Scholar]
  28. Sugarbaker P.H. Observations concerning cancer spread within the peritoneal cavity and concepts supporting an ordered pathophysiology. Cancer Treatment Res. 1996;82:79–100. [PubMed] [Google Scholar]
  29. Feki A., Berardi P., Bellingan G., Major A., Krause K.H., Petignat P., Zehra R., Pervaiz S., Irminger-Finger I. Dissemination of intraperitoneal ovarian cancer: Discussion of mechanisms and demonstration of lymphatic spreading in ovarian cancer model. Crit. Rev. Oncol./Hematol. 2009;72:1–9. doi: 10.1016/j.critrevonc.2008.12.003. [PubMed] [CrossRef] [Google Scholar]
  30. Holm-Nielsen P. Pathogenesis of ascites in peritoneal carcinomatosis. Acta Pathol. Microbiol. Scand. 1953;33:10–21. doi: 10.1111/j.1699-0463.1953.tb04805.x. [PubMed] [CrossRef] [Google Scholar]
  31. Ahmed N., Riley C., Oliva K., Rice G., Quinn M. Ascites induces modulation of alpha6beta1 integrin and urokinase plasminogen activator receptor expression and associated functions in ovarian carcinoma. Br. J. Cancer. 2005;92:1475–1485. doi: 10.1038/sj.bjc.6602495. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  32. Woodburn J.R. The epidermal growth factor receptor and its inhibition in cancer therapy. Pharmacol. Ther. 1999;82:241–250. doi: 10.1016/S0163-7258(98)00045-X. [PubMed] [CrossRef] [Google Scholar]
  33. Servidei T., Riccardi A., Mozzetti S., Ferlini C., Riccardi R. Chemoresistant tumor cell lines display altered epidermal growth factor receptor and HER3 signaling and enhanced sensitivity to gefitinib. Int. J. Cancer J. Int. Cancer. 2008;123:2939–2949. doi: 10.1002/ijc.23902. [PubMed] [CrossRef] [Google Scholar]
  34. Chen A.P., Zhang J., Liu H., Zhao S.P., Dai S.Z., Sun X.L. Association of EGFR expression with angiogenesis and chemoresistance in ovarian carcinoma. Zhonghua zhong liu za zhi [Chinese journal of oncology] 2009;31:48–52. [PubMed] [Google Scholar]
  35. Alper O., Bergmann-Leitner E.S., Bennett T.A., Hacker N.F., Stromberg K., Stetler-Stevenson W.G. Epidermal growth factor receptor signaling and the invasive phenotype of ovarian carcinoma cells. J. Natl. Cancer Inst. 2001;93:1375–1384. doi: 10.1093/jnci/93.18.1375. [PubMed] [CrossRef] [Google Scholar]
  36. Zeineldin R., Muller C.Y., Stack M.S., Hudson L.G. Targeting the EGF receptor for ovarian cancer therapy. J. Oncol. 2010;2010:414676. doi: 10.1155/2010/414676. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  37. Alper O., De Santis M.L., Stromberg K., Hacker N.F., Cho-Chung Y.S., Salomon D.S. Anti-sense suppression of epidermal growth factor receptor expression alters cellular proliferation, cell-adhesion and tumorigenicity in ovarian cancer cells. Int. J. Cancer. 2000;88:566–574. doi: 10.1002/1097-0215(20001115)88:4<566::AID-IJC8>3.0.CO;2-D. [PubMed] [CrossRef] [Google Scholar]
  38. Posadas E.M., Liel M.S., Kwitkowski V., Minasian L., Godwin A.K., Hussain M.M., Espina V., Wood B.J., Steinberg S.M., Kohn E.C. A phase II and pharmacodynamic study of gefitinib in patients with refractory or recurrent epithelial ovarian cancer. Cancer. 2007;109:1323–1330. doi: 10.1002/cncr.22545. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  39. Psyrri A., Kassar M., Yu Z., Bamias A., Weinberger P.M., Markakis S., Kowalski D., Camp R.L., Rimm D.L., Dimopoulos M.A. Effect of epidermal growth factor receptor expression level on survival in patients with epithelial ovarian cancer. Clin. Cancer Res. 2005;11:8637–8643. doi: 10.1158/1078-0432.CCR-05-1436. [PubMed] [CrossRef] [Google Scholar]
  40. Dimou A., Agarwal S., Anagnostou V., Viray H., Christensen S., Gould Rothberg B., Zolota V., Syrigos K., Rimm D. Standardization of epidermal growth factor receptor (EGFR) measurement by quantitative immunofluorescence and impact on antibody-based mutation detection in non-small cell lung cancer. Am. J. Pathol. 2011;179:580–589. doi: 10.1016/j.ajpath.2011.04.031. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  41. Anagnostou V.K., Welsh A.W., Giltnane J.M., Siddiqui S., Liceaga C., Gustavson M., Syrigos K.N., Reiter J.L., Rimm D.L. Analytic variability in immunohistochemistry biomarker studies. Cancer Epidemiol Biomarkers Prev. 2010;19:982–991. doi: 10.1158/1055-9965.EPI-10-0097. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  42. Del Carmen M.G., Rizvi I., Chang Y., Moor A.C., Oliva E., Sherwood M., Pogue B., Hasan T. Synergism of epidermal growth factor receptor-targeted immunotherapy with photodynamic treatment of ovarian cancer in vivo. J. Natl. Cancer Inst. 2005;97:1516–1524. doi: 10.1093/jnci/dji314. [PubMed] [CrossRef] [Google Scholar]
  43. Armstrong D.K., Bundy B., Wenzel L., Huang H.Q., Baergen R., Lele S., Copeland L.J., Walker J.L., Burger R.A., Gynecologic Oncology G. Intraperitoneal cisplatin and paclitaxel in ovarian cancer. N. Engl. J. Med. 2006;354:34–43. doi: 10.1056/NEJMoa052985. [PubMed] [CrossRef] [Google Scholar]
  44. Verwaal V.J., Van Ruth S., De Bree E., Van Sloothen G.W., Van Tinteren H., Boot H., Zoetmulder F.A. Randomized trial of cytoreduction and hyperthermic intraperitoneal chemotherapy versus systemic chemotherapy and palliative surgery in patients with peritoneal carcinomatosis of colorectal cancer. J. Clin. Oncol. 2003;21:3737–3743. doi: 10.1200/JCO.2003.04.187. [PubMed] [CrossRef] [Google Scholar]
  45. Van Driel W.J., Koole S.N., Sikorska K., Schagen van Leeuwen J.H., Schreuder H.W.R., Hermans R.H.M., De Hingh I., Van der Velden J., Arts H.J., Massuger L., et al. Hyperthermic Intraperitoneal Chemotherapy in Ovarian Cancer. N. Engl. J. Med. 2018;378:230–240. doi: 10.1056/NEJMoa1708618. [PubMed] [CrossRef] [Google Scholar]
  46. Verwaal V.J., Bruin S., Boot H., Van Slooten G., Van Tinteren H. 8-year follow-up of randomized trial: Cytoreduction and hyperthermic intraperitoneal chemotherapy versus systemic chemotherapy in patients with peritoneal carcinomatosis of colorectal cancer. Ann. Surg. Oncol. 2008;15:2426–2432. doi: 10.1245/s10434-008-9966-2. [PubMed] [CrossRef] [Google Scholar]
  47. DeLaney T.F., Sindelar W.F., Tochner Z., Smith P.D., Friauf W.S., Thomas G., Dachowski L., Cole J.W., Steinberg S.M., Glatstein E. Phase I study of debulking surgery and photodynamic therapy for disseminated intraperitoneal tumors. Int. J. Radiat. Oncol. Biol. Phys. 1993;25:445–457. doi: 10.1016/0360-3016(93)90066-5. [PubMed] [CrossRef] [Google Scholar]
  48. Celli J.P., Spring B.Q., Rizvi I., Evans C.L., Samkoe K.S., Verma S., Pogue B.W., Hasan T. Imaging and photodynamic therapy: Mechanisms, monitoring, and optimization. Chem. Rev. 2010;110:2795–2838. doi: 10.1021/cr900300p. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  49. Spring B.Q., Rizvi I., Xu N., Hasan T. The role of photodynamic therapy in overcoming cancer drug resistance. Photochem. Photobiol. Sci. 2015;14:1476–1491. doi: 10.1039/C4PP00495G. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  50. Liang B.J., Pigula M., Baglo Y., Najafali D., Hasan T., Huang H.C. Breaking the Selectivity-Uptake Trade-Off of Photoimmunoconjugates with Nanoliposomal Irinotecan for Synergistic Multi-Tier Cancer Targeting. J. Nanobiotechnol. 2020;18:1. doi: 10.1186/s12951-019-0560-5. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  51. Huang H.C., Rizvi I., Liu J., Anbil S., Kalra A., Lee H., Baglo Y., Paz N., Hayden D., Pereira S., et al. Photodynamic Priming Mitigates Chemotherapeutic Selection Pressures and Improves Drug Delivery. Cancer Res. 2018;78:558–571. doi: 10.1158/0008-5472.CAN-17-1700. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  52. Huang H.C., Mallidi S., Liu J., Chiang C.T., Mai Z., Goldschmidt R., Ebrahim-Zadeh N., Rizvi I., Hasan T. Photodynamic Therapy Synergizes with Irinotecan to Overcome Compensatory Mechanisms and Improve Treatment Outcomes in Pancreatic Cancer. Cancer Res. 2016;76:1066–1077. doi: 10.1158/0008-5472.CAN-15-0391. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  53. Cengel K.A., Glatstein E., Hahn S.M. Intraperitoneal photodynamic therapy. Cancer Treat. Res. 2007;134:493–514. [PubMed] [Google Scholar]
  54. Obaid G., Broekgaarden M., Bulin A.-L., Huang H.-C., Kuriakose J., Liu J., Hasan T. Photonanomedicine: A convergence of photodynamic therapy and nanotechnology. Nanoscale. 2016;8:12471–12503. doi: 10.1039/C5NR08691D. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  55. Ogata F., Nagaya T., Nakamura Y., Sato K., Okuyama S., Maruoka Y., Choyke P.L., Kobayashi H. Near-infrared photoimmunotherapy: A comparison of light dosing schedules. Oncotarget. 2017;8:35069–35075. doi: 10.18632/oncotarget.17047. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  56. Mitsunaga M., Ogawa M., Kosaka N., Rosenblum L.T., Choyke P.L., Kobayashi H. Cancer cell-selective in vivo near infrared photoimmunotherapy targeting specific membrane molecules. Nat. Med. 2011;17:1685–1691. doi: 10.1038/nm.2554. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  57. Inglut C.T., Baglo Y., Liang B.J., Cheema Y., Stabile J., Woodworth G.F., Huang H.-C. Systematic Evaluation of Light-Activatable Biohybrids for Anti-Glioma Photodynamic Therapy. J. Clin. Med. 2019;8:1269. doi: 10.3390/jcm8091269. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  58. Huang H.C., Pigula M., Fang Y., Hasan T. Immobilization of Photo-Immunoconjugates on Nanoparticles Leads to Enhanced Light-Activated Biological Effects. Small. 2018:e1800236. doi: 10.1002/smll.201800236. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  59. Spring B.Q., Abu-Yousif A.O., Palanisami A., Rizvi I., Zheng X., Mai Z., Anbil S., Sears R.B., Mensah L.B., Goldschmidt R., et al. Selective treatment and monitoring of disseminated cancer micrometastases in vivo using dual-function, activatable immunoconjugates. Proc. Natl. Acad. Sci. USA. 2014;111:E933–E942. doi: 10.1073/pnas.1319493111. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  60. Abu-Yousif A.O., Moor A.C., Zheng X., Savellano M.D., Yu W., Selbo P.K., Hasan T. Epidermal growth factor receptor-targeted photosensitizer selectively inhibits EGFR signaling and induces targeted phototoxicity in ovarian cancer cells. Cancer Lett. 2012;321:120–127. doi: 10.1016/j.canlet.2012.01.014. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  61. Rizvi I., Dinh T.A., Yu W., Chang Y., Sherwood M.E., Hasan T. Photoimmunotherapy and irradiance modulation reduce chemotherapy cycles and toxicity in a murine model for ovarian carcinomatosis: Perspective and results. Israel J. Chem. 2012;52:776–787. doi: 10.1002/ijch.201200016. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  62. Quirk B.J., Brandal G., Donlon S., Vera J.C., Mang T.S., Foy A.B., Lew S.M., Girotti A.W., Jogal S., LaViolette P.S., et al. Photodynamic therapy (PDT) for malignant brain tumors–where do we stand? Photodiagnosis Photodyn. Ther. 2015;12:530–544. doi: 10.1016/j.pdpdt.2015.04.009. [PubMed] [CrossRef] [Google Scholar]
  63. Eljamel M.S., Goodman C., Moseley H. ALA and Photofrin fluorescence-guided resection and repetitive PDT in glioblastoma multiforme: A single centre Phase III randomised controlled trial. Lasers Med. Sci. 2008;23:361–367. doi: 10.1007/s10103-007-0494-2. [PubMed] [CrossRef] [Google Scholar]
  64. Varma A.K., Muller P.J. Cranial neuropathies after intracranial Photofrin-photodynamic therapy for malignant supratentorial gliomas-a report on 3 cases. Surg. Neurol. 2008;70:190–193. doi: 10.1016/j.surneu.2007.01.060. [PubMed] [CrossRef] [Google Scholar]
  65. Akimoto J. Photodynamic Therapy for Malignant Brain Tumors. Neurol. Medico-Chirurgica. 2016;56:151–157. doi: 10.2176/nmc.ra.2015-0296. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  66. Kercher E.M., Nath S., Rizvi I., Spring B.Q. Cancer Cell-targeted and Activatable Photoimmunotherapy Spares T Cells in a 3D Coculture Model. Photochem. Photobiol. 2019 doi: 10.1111/php.13153. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  67. Savellano M.D., Hasan T. Targeting cells that overexpress the epidermal growth factor receptor with polyethylene glycolated BPD verteporfin photosensitizer immunoconjugates. Photochem. Photobiol. 2003;77:431–439. doi: 10.1562/0031-8655(2003)077<0431:TCTOTE>2.0.CO;2. [PubMed] [CrossRef] [Google Scholar]
  68. Molpus K.L., Hamblin M.R., Rizvi I., Hasan T. Intraperitoneal photoimmunotherapy of ovarian carcinoma xenografts in nude mice using charged photoimmunoconjugates. Gynecol. Oncol. 2000;76:397–404. doi: 10.1006/gyno.1999.5705. [PubMed] [CrossRef] [Google Scholar]
  69. Savellano M.D., Hasan T. Photochemical targeting of epidermal growth factor receptor: A mechanistic study. Clin. Cancer Res. 2005;11:1658–1668. doi: 10.1158/1078-0432.CCR-04-1902. [PubMed] [CrossRef] [Google Scholar]
  70. Nath S., Saad M.A., Pigula M., Swain J.W.R., Hasan T. Photoimmunotherapy of Ovarian Cancer: A Unique Niche in the Management of Advanced Disease. Cancers. 2019;11:1887. doi: 10.3390/cancers11121887. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  71. Calibasi Kocal G., Guven S., Foygel K., Goldman A., Chen P., Sengupta S., Paulmurugan R., Baskin Y., Demirci U. Dynamic Microenvironment Induces Phenotypic Plasticity of Esophageal Cancer Cells Under Flow. Sci. Rep. 2016;6:38221. doi: 10.1038/srep38221. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  72. Tasoglu S., Gurkan U.A., Wang S., Demirci U. Manipulating biological agents and cells in micro-scale volumes for applications in medicine. Chem. Soc. Rev. 2013;42:5788–5808. doi: 10.1039/c3cs60042d. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  73. Moon S., Gurkan U.A., Blander J., Fawzi W.W., Aboud S., Mugusi F., Kuritzkes D.R., Demirci U. Enumeration of CD4+ T-cells using a portable microchip count platform in Tanzanian HIV-infected patients. PLoS ONE. 2011;6:e21409. doi: 10.1371/journal.pone.0021409. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  74. White F.M. Fluid Mechanics. McGraw-Hill; Boston, MA, USA: 2011. [Google Scholar]
  75. Luo Q., Kuang D., Zhang B., Song G. Cell stiffness determined by atomic force microscopy and its correlation with cell motility. Biochim Biophys Acta. 2016;1860:1953–1960. doi: 10.1016/j.bbagen.2016.06.010. [PubMed] [CrossRef] [Google Scholar]
  76. Sarntinoranont M., Rooney F., Ferrari M. Interstitial Stress and Fluid Pressure Within a Growing Tumor. Ann. Biomed. Eng. 2003;31:327–335. doi: 10.1114/1.1554923. [PubMed] [CrossRef] [Google Scholar]
  77. Baxter L.T., Jain R.K. Transport of fluid and macromolecules in tumors. I. Role of interstitial pressure and convection. Microvasc. Res. 1989;37:77–104. doi: 10.1016/0026-2862(89)90074-5. [PubMed] [CrossRef] [Google Scholar]
  78. Malik R., Khan A.P., Asangani I.A., Cieślik M., Prensner J.R., Wang X., Iyer M.K., Jiang X., Borkin D., Escara-Wilke J., et al. Targeting the MLL complex in castration-resistant prostate cancer. Nat. Med. 2015;21:344. doi: 10.1038/nm.3830. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  79. Nath S., Christian L., Tan S.Y., Ki S., Ehrlich L.I., Poenie M. Dynein Separately Partners with NDE1 and Dynactin To Orchestrate T Cell Focused Secretion. J. Immunol. 2016;197:2090–2101. doi: 10.4049/jimmunol.1600180. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  80. Celli J.P., Rizvi I., Evans C.L., Abu-Yousif A.O., Hasan T. Quantitative imaging reveals heterogeneous growth dynamics and treatment-dependent residual tumor distributions in a three-dimensional ovarian cancer model. J. Biomed. Opt. 2010;15:051603. doi: 10.1117/1.3483903. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  81. Rizvi I., Celli J.P., Evans C.L., Abu-Yousif A.O., Muzikansky A., Pogue B.W., Finkelstein D., Hasan T. Synergistic Enhancement of Carboplatin Efficacy with Photodynamic Therapy in a Three-Dimensional Model for Micrometastatic Ovarian Cancer. Cancer Res. 2010;70:9319–9328. doi: 10.1158/0008-5472.CAN-10-1783. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  82. Glidden M.D., Celli J.P., Massodi I., Rizvi I., Pogue B.W., Hasan T. Image-Based Quantification of Benzoporphyrin Derivative Uptake, Localization, and Photobleaching in 3D Tumor Models, for Optimization of PDT Parameters. Theranostics. 2012;2:827–839. doi: 10.7150/thno.4334. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  83. Celli J.P., Rizvi I., Blanden A.R., Massodi I., Glidden M.D., Pogue B.W., Hasan T. An imaging-based platform for high-content, quantitative evaluation of therapeutic response in 3D tumour models. Sci. Rep. 2014;4:3751. doi: 10.1038/srep03751. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  84. Bulin A.L., Broekgaarden M., Hasan T. Comprehensive high-throughput image analysis for therapeutic efficacy of architecturally complex heterotypic organoids. Sci. Rep. 2017;7:16645. doi: 10.1038/s41598-017-16622-9. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  85. Rahmanzadeh R., Rai P., Celli J.P., Rizvi I., Baron-Luhr B., Gerdes J., Hasan T. Ki-67 as a molecular target for therapy in an in vitro three-dimensional model for ovarian cancer. Cancer Res. 2010;70:9234–9242. doi: 10.1158/0008-5472.CAN-10-1190. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  86. Anbil S., Rizvi I., Celli J.P., Alagic N., Pogue B.W., Hasan T. Impact of treatment response metrics on photodynamic therapy planning and outcomes in a three-dimensional model of ovarian cancer. J. Biomed. Opt. 2013;18:098004. doi: 10.1117/1.JBO.18.9.098004. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  87. Di Pasqua A.J., Goodisman J., Dabrowiak J.C. Understanding how the platinum anticancer drug carboplatin works: From the bottle to the cell. Inorg. Chim. Acta. 2012;389:29–35. doi: 10.1016/j.ica.2012.01.028. [CrossRef] [Google Scholar]
  88. Rabik C.A., Dolan M.E. Molecular mechanisms of resistance and toxicity associated with platinating agents. Cancer Treat. Rev. 2007;33:9–23. doi: 10.1016/j.ctrv.2006.09.006. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  89. Ozols R.F. Carboplatin and paclitaxel in ovarian cancer. Semin. Oncol. 1995;22:78–83. [PubMed] [Google Scholar]
  90. Neijt J.P., Lund B. Paclitaxel with carboplatin for the treatment of ovarian cancer. Semin. Oncol. 1996;23:2–4. [PubMed] [Google Scholar]
  91. Subauste C.M., Pertz O., Adamson E.D., Turner C.E., Junger S., Hahn K.M. Vinculin modulation of paxillin–FAK interactions regulates ERK to control survival and motility. J. Cell Biol. 2004;165:371–381. doi: 10.1083/jcb.200308011. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  92. Eke I., Cordes N. Focal adhesion signaling and therapy resistance in cancer. Semin. Cancer Biol. 2015;31:65–75. [PubMed] [Google Scholar]
  93. McCubrey J.A., Steelman L.S., Chappell W.H., Abrams S.L., Wong E.W., Chang F., Lehmann B., Terrian D.M., Milella M., Tafuri A., et al. Roles of the Raf/MEK/ERK pathway in cell growth, malignant transformation and drug resistance. Biochim. Biophys. Acta. 2007;1773:1263–1284. doi: 10.1016/j.bbamcr.2006.10.001. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  94. Duska L.R., Hamblin M.R., Miller J.L., Hasan T. Combination photoimmunotherapy and cisplatin: Effects on human ovarian cancer ex vivo. J. Natl. Cancer Inst. 1999;91:1557–1563. doi: 10.1093/jnci/91.18.1557. [PubMed] [CrossRef] [Google Scholar]
  95. Spring B., Mai Z., Rai P., Chang S., Hasan T. Theranostic nanocells for simultaneous imaging and photodynamic therapy of pancreatic cancer. Proc. SPIE. 2010;7551:755104. [Google Scholar]
  96. Kessel D., Oleinick N.L. Photodynamic therapy and cell death pathways. Methods Mol. Biol. 2010;635:35–46. doi: 10.1007/978-1-60761-697-9_3. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  97. Van Dongen G.A., Visser G.W., Vrouenraets M.B. Photosensitizer-antibody conjugates for detection and therapy of cancer. Adv. Drug Deliv. Rev. 2004;56:31–52. doi: 10.1016/j.addr.2003.09.003. [PubMed] [CrossRef] [Google Scholar]
  98. Ayhan A., Gultekin M., Taskiran C., Dursun P., Firat P., Bozdag G., Celik N.Y., Yuce K. Ascites and epithelial ovarian cancers: A reappraisal with respect to different aspects. Int. J. Gynecol. Cancer. 2007;17:68–75. doi: 10.1111/j.1525-1438.2006.00777.x. [PubMed] [CrossRef] [Google Scholar]
  99. Shen-Gunther J., Mannel R.S. Ascites as a predictor of ovarian malignancy. Gynecol. Oncol. 2002;87:77–83. doi: 10.1006/gyno.2002.6800. [PubMed] [CrossRef] [Google Scholar]
  100. Pourgholami M.H., Ataie-Kachoie P., Badar S., Morris D.L. Minocycline inhibits malignant ascites of ovarian cancer through targeting multiple signaling pathways. Gynecol. Oncol. 2013;129:113–119. doi: 10.1016/j.ygyno.2012.12.031. [PubMed] [CrossRef] [Google Scholar]
  101. Shender V., Arapidi G., Butenko I., Anikanov N., Ivanova O., Govorun V. Peptidome profiling dataset of ovarian cancer and non-cancer proximal fluids: Ascites and blood sera. Data Brief. 2019;22:557–562. doi: 10.1016/j.dib.2018.12.056. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  102. Parsons S.L., Watson S.A., Steele R.J.C. Malignant ascites. Br. J. Surg. 1996;83:6–14. doi: 10.1002/bjs.1800830104. [PubMed] [CrossRef] [Google Scholar]
  103. Becker G., Galandi D., Blum H.E. Malignant ascites: Systematic review and guideline for treatment. Eur. J. Cancer. 2006;42:589–597. doi: 10.1016/j.ejca.2005.11.018. [PubMed] [CrossRef] [Google Scholar]
  104. Huang H., Li Y.J., Lan C.Y., Huang Q.D., Feng Y.L., Huang Y.W., Liu J.H. Clinical significance of ascites in epithelial ovarian cancer. Neoplasma. 2013;60:546–552. doi: 10.4149/neo_2013_071. [PubMed] [CrossRef] [Google Scholar]
  105. Blagden S.P. Harnessing Pandemonium: The Clinical Implications of Tumor Heterogeneity in Ovarian Cancer. Front. Oncol. 2015;5:149. doi: 10.3389/fonc.2015.00149. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  106. Ahmed N., Latifi A., Riley C.B., Findlay J.K., Quinn M.A. Neuronal transcription factor Brn-3a(l) is over expressed in high-grade ovarian carcinomas and tumor cells from ascites of patients with advanced-stage ovarian cancer. J. Ovarian Res. 2010;3:17. doi: 10.1186/1757-2215-3-17. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  107. Mahmood N., Mihalcioiu C., Rabbani S.A. Multifaceted Role of the Urokinase-Type Plasminogen Activator (uPA) and Its Receptor (uPAR): Diagnostic, Prognostic, and Therapeutic Applications. Front. Oncol. 2018;8:24. doi: 10.3389/fonc.2018.00024. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  108. Jeffrey B., Udaykumar H.S., Schulze K.S. Flow fields generated by peristaltic reflex in isolated guinea pig ileum: Impact of contraction depth and shoulders. Am. J. Physiol. Gastrointest. Liver Physiol. 2003;285:G907–G918. doi: 10.1152/ajpgi.00062.2003. [PubMed] [CrossRef] [Google Scholar]
  109. Nagy J.A., Herzberg K.T., Dvorak J.M., Dvorak H.F. Pathogenesis of malignant ascites formation: Initiating events that lead to fluid accumulation. Cancer Res. 1993;53:2631–2643. [PubMed] [Google Scholar]
  110. Ahmed N., Abubaker K., Findlay J., Quinn M. Epithelial mesenchymal transition and cancer stem cell-like phenotypes facilitate chemoresistance in recurrent ovarian cancer. Curr. Cancer Drug Targets. 2010;10:268–278. doi: 10.2174/156800910791190175. [PubMed] [CrossRef] [Google Scholar]
  111. Latifi A., Abubaker K., Castrechini N., Ward A.C., Liongue C., Dobill F., Kumar J., Thompson E.W., Quinn M.A., Findlay J.K., et al. Cisplatin treatment of primary and metastatic epithelial ovarian carcinomas generates residual cells with mesenchymal stem cell-like profile. J. Cell Biochem. 2011;112:2850–2864. doi: 10.1002/jcb.23199. [PubMed] [CrossRef] [Google Scholar]
  112. Chan D.W., Hui W.W., Cai P.C., Liu M.X., Yung M.M., Mak C.S., Leung T.H., Chan K.K., Ngan H.Y. Targeting GRB7/ERK/FOXM1 signaling pathway impairs aggressiveness of ovarian cancer cells. PLoS ONE. 2012;7:e52578. doi: 10.1371/journal.pone.0052578. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  113. Mebratu Y., Tesfaigzi Y. How ERK1/2 activation controls cell proliferation and cell death: Is subcellular localization the answer? Cell Cycle. 2009;8:1168–1175. doi: 10.4161/cc.8.8.8147. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  114. Zebisch A., Czernilofsky A.P., Keri G., Smigelskaite J., Sill H., Troppmair J. Signaling through RAS-RAF-MEK-ERK: From basics to bedside. Curr. Med. Chem. 2007;14:601–623. doi: 10.2174/092986707780059670. [PubMed] [CrossRef] [Google Scholar]
  115. Jo H., Sipos K., Go Y.M., Law R., Rong J., McDonald J.M. Differential effect of shear stress on extracellular signal-regulated kinase and N-terminal Jun kinase in endothelial cells. Gi2- and Gbeta/gamma-dependent signaling pathways. J. Biol. Chem. 1997;272:1395–1401. doi: 10.1074/jbc.272.2.1395. [PubMed] [CrossRef] [Google Scholar]
  116. Surapisitchat J., Hoefen R.J., Pi X., Yoshizumi M., Yan C., Berk B.C. Fluid shear stress inhibits TNF-alpha activation of JNK but not ERK1/2 or p38 in human umbilical vein endothelial cells: Inhibitory crosstalk among MAPK family members. Proc. Natl. Acad. Sci. USA. 2001;98:6476–6481. doi: 10.1073/pnas.101134098. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  117. Kim C.H., Jeung E.B., Yoo Y.M. Combined Fluid Shear Stress and Melatonin Enhances the ERK/Akt/mTOR Signal in Cilia-Less MC3T3-E1 Preosteoblast Cells. Int. J. Mol. Sci. 2018;19:2929. doi: 10.3390/ijms19102929. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  118. Persons D.L., Yazlovitskaya E.M., Cui W., Pelling J.C. Cisplatin-induced activation of mitogen-activated protein kinases in ovarian carcinoma cells: Inhibition of extracellular signal-regulated kinase activity increases sensitivity to cisplatin. Clin. Cancer Res. 1999;5:1007–1014. [PubMed] [Google Scholar]
  119. Hayakawa J., Ohmichi M., Kurachi H., Ikegami H., Kimura A., Matsuoka T., Jikihara H., Mercola D., Murata Y. Inhibition of extracellular signal-regulated protein kinase or c-Jun N-terminal protein kinase cascade, differentially activated by cisplatin, sensitizes human ovarian cancer cell line. J. Biol. Chem. 1999;274:31648–31654. doi: 10.1074/jbc.274.44.31648. [PubMed] [CrossRef] [Google Scholar]
  120. Yeh P.Y., Chuang S.E., Yeh K.H., Song Y.C., Ea C.K., Cheng A.L. Increase of the resistance of human cervical carcinoma cells to cisplatin by inhibition of the MEK to ERK signaling pathway partly via enhancement of anticancer drug-induced NF kappa B activation. Biochem. Pharmacol. 2002;63:1423–1430. doi: 10.1016/S0006-2952(02)00908-5. [PubMed] [CrossRef] [Google Scholar]
  121. Wang X., Martindale J.L., Holbrook N.J. Requirement for ERK activation in cisplatin-induced apoptosis. J. Biol. Chem. 2000;275:39435–39443. doi: 10.1074/jbc.M004583200. [PubMed] [CrossRef] [Google Scholar]
  122. Qin X., Liu C., Zhou Y., Wang G. Cisplatin induces programmed death-1-ligand 1(PD-L1) over-expression in hepatoma H22 cells via Erk /MAPK signaling pathway. Cell Mol. Biol. 2010;56:OL1366-72. doi: 10.1170/156. [PubMed] [CrossRef] [Google Scholar]
  123. Basu A., Tu H. Activation of ERK during DNA damage-induced apoptosis involves protein kinase Cdelta. Biochem. Biophys. Res. Commun. 2005;334:1068–1073. doi: 10.1016/j.bbrc.2005.06.199. [PubMed] [CrossRef] [Google Scholar]
  124. Nowak G. Protein kinase C-alpha and ERK1/2 mediate mitochondrial dysfunction, decreases in active Na+ transport, and cisplatin-induced apoptosis in renal cells. J. Biol. Chem. 2002;277:43377–43388. doi: 10.1074/jbc.M206373200. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  125. Chaudhury A., Tan B.J., Das S., Chiu G.N. Increased ERK activation and cellular drug accumulation in the enhanced cytotoxicity of folate receptor-targeted liposomal carboplatin. Int. J. Oncol. 2012;40:703–710. doi: 10.3892/ijo.2011.1262. [PubMed] [CrossRef] [Google Scholar]
  126. Lok G.T., Chan D.W., Liu V.W., Hui W.W., Leung T.H., Yao K.M., Ngan H.Y. Aberrant activation of ERK/FOXM1 signaling cascade triggers the cell migration/invasion in ovarian cancer cells. PLoS ONE. 2011;6:e23790. doi: 10.1371/journal.pone.0023790. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  127. Lafky J.M., Wilken J.A., Baron A.T., Maihle N.J. Clinical implications of the ErbB/epidermal growth factor (EGF) receptor family and its ligands in ovarian cancer. Biochim. Biophys. Acta. 2008;1785:232–265. doi: 10.1016/j.bbcan.2008.01.001. [PubMed] [CrossRef] [Google Scholar]
  128. Secord A.A., Blessing J.A., Armstrong D.K., Rodgers W.H., Miner Z., Barnes M.N., Lewandowski G., Mannel R.S., Gynecologic Oncology G. Phase II trial of cetuximab and carboplatin in relapsed platinum-sensitive ovarian cancer and evaluation of epidermal growth factor receptor expression: A Gynecologic Oncology Group study. Gynecol. Oncol. 2008;108:493–499. doi: 10.1016/j.ygyno.2007.11.029. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  129. Bae G.-Y., Choi S.-J., Lee J.-S., Jo J., Lee J., Kim J., Cha H.-J. Loss of E-cadherin activates EGFR-MEK/ERK signaling, which promotes invasion via the ZEB1/MMP2 axis in non-small cell lung cancer. Oncotarget. 2013;4:2512. doi: 10.18632/oncotarget.1463. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  130. Pece S., Gutkind J.S. Signaling from E-cadherins to the MAPK pathway by the recruitment and activation of epidermal growth factor receptors upon cell-cell contact formation. J. Biol. Chem. 2000;275:41227–41233. doi: 10.1074/jbc.M006578200. [PubMed] [CrossRef] [Google Scholar]
  131. Lifschitz-Mercer B., Czernobilsky B., Feldberg E., Geiger B. Expression of the adherens junction protein vinculin in human basal and squamous cell tumors: Relationship to invasiveness and metastatic potential. Hum. Pathol. 1997;28:1230–1236. doi: 10.1016/S0046-8177(97)90195-7. [PubMed] [CrossRef] [Google Scholar]
  132. Raz A., Geiger B. Altered organization of cell-substrate contacts and membrane-associated cytoskeleton in tumor cell variants exhibiting different metastatic capabilities. Cancer Res. 1982;42:5183–5190. [PubMed] [Google Scholar]
  133. Fukada T., Sakajiri H., Kuroda M., Kioka N., Sugimoto K. Fluid shear stress applied by orbital shaking induces MG-63 osteosarcoma cells to activate ERK in two phases through distinct signaling pathways. Biochem. Biophys. Rep. 2017;9:257–265. doi: 10.1016/j.bbrep.2017.01.004. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  134. Wu D.W., Wu T.C., Wu J.Y., Cheng Y.W., Chen Y.C., Lee M.C., Chen C.Y., Lee H. Phosphorylation of paxillin confers cisplatin resistance in non-small cell lung cancer via activating ERK-mediated Bcl-2 expression. Oncogene. 2014;33:4385–4395. doi: 10.1038/onc.2013.389. [PubMed] [CrossRef] [Google Scholar]
  135. Kessel D. Apoptosis and associated phenomena as a determinants of the efficacy of photodynamic therapy. Photochem. Photobiol. Sci. 2015;14:1397–1402. doi: 10.1039/C4PP00413B. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  136. Agostinis P., Berg K., Cengel K.A., Foster T.H., Girotti A.W., Gollnick S.O., Hahn S.M., Hamblin M.R., Juzeniene A., Kessel D., et al. Photodynamic therapy of cancer: An update. CA Cancer J. Clin. 2011;61:250–281. doi: 10.3322/caac.20114. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  137. Sorrin A.J., Ruhi M.K., Ferlic N.A., Karimnia V., Polacheck W.J., Celli J.P., Huang H.C., Rizvi I. Photodynamic Therapy and the Biophysics of the Tumor Microenvironment. Photochem. Photobiol. 2020 doi: 10.1111/php.13209. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  138. Niu C.J., Fisher C., Scheffler K., Wan R., Maleki H., Liu H., Sun Y., C A.S., Birngruber R., Lilge L. Polyacrylamide gel substrates that simulate the mechanical stiffness of normal and malignant neuronal tissues increase protoporphyin IX synthesis in glioma cells. J. Biomed. Opt. 2015;20:098002. doi: 10.1117/1.JBO.20.9.098002. [PubMed] [CrossRef] [Google Scholar]
  139. Perentes J.Y., Wang Y., Wang X., Abdelnour E., Gonzalez M., Decosterd L., Wagnieres G., Van den Bergh H., Peters S., Ris H.B., et al. Low-Dose Vascular Photodynamic Therapy Decreases Tumor Interstitial Fluid Pressure, which Promotes Liposomal Doxorubicin Distribution in a Murine Sarcoma Metastasis Model. Transl. Oncol. 2014;7 doi: 10.1016/j.tranon.2014.04.010. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  140. Leunig M., Goetz A.E., Gamarra F., Zetterer G., Messmer K., Jain R.K. Photodynamic therapy-induced alterations in interstitial fluid pressure, volume and water content of an amelanotic melanoma in the hamster. Br. J. Cancer. 1994;69:101–103. doi: 10.1038/bjc.1994.15. [PMC free article] [PubMed] [CrossRef] [Google Scholar]
  141. Foster T.H., Murant R.S., Bryant R.G., Knox R.S., Gibson S.L., Hilf R. Oxygen consumption and diffusion effects in photodynamic therapy. Radiat Res. 1991;126:296–303. doi: 10.2307/3577919. [PubMed] [CrossRef] [Google Scholar]
  142. Foster T.H., Hartley D.F., Nichols M.G., Hilf R. Fluence rate effects in photodynamic therapy of multicell tumor spheroids. Cancer Res. 1993;53:1249–1254. [PubMed] [Google Scholar]
  143. Nichols M.G., Foster T.H. Oxygen diffusion and reaction kinetics in the photodynamic therapy of multicell tumour spheroids. Phys. Med. Biol. 1994;39:2161–2181. doi: 10.1088/0031-9155/39/12/003. [PubMed] [CrossRef] [Google Scholar]
  144. Cavin S., Wang X., Zellweger M., Gonzalez M., Bensimon M., Wagnieres G., Krueger T., Ris H.B., Gronchi F., Perentes J.Y. Interstitial fluid pressure: A novel biomarker to monitor photo-induced drug uptake in tumor and normal tissues. Lasers Surg. Med. 2017;49:773–780. doi: 10.1002/lsm.22687. [PubMed] [CrossRef] [Google Scholar]
  145. Garcia Calavia P., Chambrier I., Cook M.J., Haines A.H., Field R.A., Russell D.A. Targeted photodynamic therapy of breast cancer cells using lactose-phthalocyanine functionalized gold nanoparticles. J. Colloid Interface Sci. 2018;512:249–259. doi: 10.1016/j.jcis.2017.10.030. [PubMed] [CrossRef] [Google Scholar]
  146. Kato T., Jin C.S., Ujiie H., Lee D., Fujino K., Wada H., Hu H.P., Weersink R.A., Chen J., Kaji M., et al. Nanoparticle targeted folate receptor 1-enhanced photodynamic therapy for lung cancer. Lung Cancer. 2017;113:59–68. doi: 10.1016/j.lungcan.2017.09.002. [PubMed] [CrossRef] [Google Scholar]
  147. Sebak A.A., Gomaa I.E.O., ElMeshad A.N., AbdelKader M.H. Targeted photodynamic-induced singlet oxygen production by peptide-conjugated biodegradable nanoparticles for treatment of skin melanoma. Photodiagnosis Photodyn. Ther. 2018;23:181–189. doi: 10.1016/j.pdpdt.2018.05.017. [PubMed] [CrossRef] [Google Scholar]
  148. Fernandes S.R.G., Fernandes R., Sarmento B., Pereira P.M.R., Tome J.P.C. Photoimmunoconjugates: Novel synthetic strategies to target and treat cancer by photodynamic therapy. Org. Biomol. Chem. 2019;17:2579–2593. doi: 10.1039/C8OB02902D. [PubMed] [CrossRef] [Google Scholar]
  149. Hamblin M.R., Miller J.L., Hasan T. Effect of charge on the interaction of site-specific photoimmunoconjugates with human ovarian cancer cells. Cancer Res. 1996;56:5205–5210. [PubMed] [Google Scholar]
  150. Flont M., Jastrzebska E., Brzozka Z. Synergistic effect of the combination therapy on ovarian cancer cells under microfluidic conditions. Anal. Chim. Acta. 2020;1100:138–148. doi: 10.1016/j.aca.2019.11.047. [PubMed] [CrossRef] [Google Scholar]

Advances in Nanotechnology

Advances in Nanotechnology

This article was contributed by Prof. Edward Furlani and his students from the University at Buffalo, SUNY.

Microfluidics와 nanofluidics는 나노와 나노사이의 기능을 가진 재료와 시스템을 통한 유체 흐름의 과학과 기술을 포함하는 분야입니다. 최근 몇 년 사이에 이 분야의 연구는 재료 개발과 시스템의 급속한 발전된 유체공정의 독특한 이점으로 증가해 왔습니다. Microfluidic 및 nanofluidic 시스템은 화학 반응, 유체 가열, 혼합 및 감지와 같은 순차적 또는 다중화된 공정을 포함할 수 있는 응용 분야에서 마이크로 사이즈의 유체 유동은 매우 효율적이고 반복 가능하며 신속한 처리를 가능하게 합니다. 풀 라니 (Furlani) 교수 그룹의 연구는 새로운 공정 및 장치 개발에 대한 모델링 및 시뮬레이션을 보여줍니다. 이 연구의 대부분은 뉴턴 및 비 뉴턴 유체, 열 전달, 상변화 분석, 자유표면 및 다상분석, 유체와 관련된 유체 현상을 연구하기 위해 최첨단 전산 유체역학을 강조합니다. 매체 상호작용, 다공성 매체를 통한 유동, 완전히 결합된 유체구조 및 입자, 유체 상호작용에 대해 콜로이드. 국제 나노 기술 학술 대회에서 3 편의 논문이 발표될 예정입니다. 2014년 6월 15일부터 18 일까지 워싱턴 DC의 Gaylord National Hotel 및 Convention Center에서 개최됩니다. 이들은 버팔로 대학교 (University at Buffalo)에서 진행되는 획기적인 결과를 선보입니다. 여기에서는 이러한 작품의 미리 보기와 FLOW-3D로 생성된 시뮬레이션 결과 중 일부를 제시합니다.

Analysis of Stem Cell Culture Performance in a Microcarrier Bioreactor System

Koushik Ponnuru1, Jincheng Wu1, Preeti Ashok1, Emmanuel S. Tzanakakis1,3,4,5,6 and Edward P. Furlani1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, 3Dept. of Biomedical Engineering, 4New York State Center of Excellence in Bioinformatics and Life Sciences, 5Western New York Stem Cell Culture and Analysis Center, 6Genetics, Genomics and Bioinformatics, University at Buffalo, SUNY

(left) Shear stress distribution along with velocity vectors in a cross sectional plane of the bioreactor running at 60 rpm; (right) Kolmogorov length scale distribution at the same plane under the same conditions.

CFD 기반 시뮬레이션과 실험결과의 조합으로 교반 탱크의 마이크로 캐리어 생물 반응기 시스템에서 세포 배양에 대한 난류 전단응력의 영향에 대한 분석을 제시합니다. Corning’s bench-scale spinner flask의 3D 계산 모델은 최첨단 CFD 소프트웨어 인 FLOW-3D를 사용하여 제작되었습니다. 임펠러 속도, 배양액 및 입자 크기와 같은 매개변수가 마이크로 캐리어 입자에 작용되는 전단응력에 미치는 영향을 CFD 분석을 사용하여 연구하였습니다. 이것은 세포가 겪는 정확한 전단 조건을 예측하고 세포의 손상을 방지하는 최적의 작동조건을 확인하는데 사용됩니다. 또한, 다원능 마커 Oct4, Sox2 및 Nanog를 운반하는 세포의 비율을 세포 계측법 및 정량적 PCR을 사용하여 측정함으로써 hPSCs의 다능성 전단효과를 연구합니다.

Numerical Analysis of Fully-Coupled Particle-Fluid Transport and Free-Flow Magnetophoretic Sorting in Microfluidic Systems

Chenxu Liu1, Xiaozheng Xue1 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2Dept. of Electrical Engineering, University at Buffalo, SUNY

Magnetic nanoparticle chaining and rotating following an external field and causing the mixing of two different molecular concentrations.

Magnetic 입자는 생체 의학 및 임상 진단 응용을 위해 생체 재료를 선택적으로 분리 및 분류하는 마이크로 유체시스템에 점점 더 많이 사용되고 있습니다. 그러한 시스템의 합리적인 설계에 사용될 수 있는 전산모델이 도입되었습니다. 이 모델은 자기 및 유체 역학적 힘, 완전 결합 입자 – 유체 상호 작용 및 입자의 자기 조립을 유도하는 자기 쌍극자와 쌍극자의 상호 작용을 비롯한 입자 수송에 대한 지배적 메커니즘을 고려합니다. 응용 프로그램을 통해 연속흐름 분리시스템 및 회전 조립 체인을 기반으로 하는 미세 유체 혼합프로세스로 시연됩니다.

Numerical Analysis of Laser Induced Photothermal Effects using Colloidal Plasmonic Nanostructures

Ioannis H. Karampelas1, Young Hwa Kim2 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, University at Buffalo, SUNY

Photothermal heat cycle of a nanocage (a=50nm, t=5nm) (perspective 1/8 view): plot of nanocage temperature vs. time, pulse duration indicated by the red arrow and dashed line and inset plots showing various phases of the thermo -fluidic cycle: (a) nanobubble formation, (b) nanobubble (maximum size), (c) nanobubble collapse, (d) cooling.

Colloidal 귀금속 (plasmonic) 나노 구조는 나노 입자 합성에서부터 바이오 이미징 (bioimaging), 의학 요법 (medical therapy)에 이르기까지 다양한 광열 (photothermal) 분야에서 점점 더 많이 사용되고 있습니다. 많은 응용분야에서, 펄스 레이저는 plasmonic 공진 주파수에서 나노 구조를 사용하며, 이는 광자의 흡수 및 고도로 국부화된 파장필드의 향상을 가져옵니다. 원격 소스로부터 효율적인 나노 스케일 가열하는 것 외에도, 합성동안 나노 입자의 구조를 조정함으로써 근적외선 스펙트럼을 통한 공진 가열파장을 조정할 수 있습니다. 우리 그룹은 nanosecond-pulsed, laser-heated colloidal metallic nanoparticles 및 열 유체 거동을 예측하는 전산모델을 개발했습니다. 이 모델은 플라즈몬 공명, 입자에서 주변 유체로의 열 전달 및 균일한 기포 핵 형성을 유도하는 유체의 위상변화에서 나노 입자 내의 에너지 전환을 시뮬레이션 하는데 사용되었습니다. nanorods, nanotori, nanorings 및 nanocages 등 다양한 nanoparticle 형상이 연구되었습니다. 이 분석은 레이저 강도, 입사 파장, 편광, 펄스 지속 시간 및 나노 입자의 방향 및 모양과 같은 공정 매개 변수가 광열 공정을 최적화하도록 조정될 수 있음을 보여줍니다. Plasmonic nanoparticles는 악성 조직의 약물 치료, 약물 전달 및 생체치료에 사용됩니다.

Advances in Nanotechnology

Advances in Nanotechnology

This article was contributed by Prof. Edward Furlani and his students from the University at Buffalo, SUNY.

 

Microfluidics와 nanofluidics는 나노와 나노사이의 기능을 가진 재료와 시스템을 통한 유체 흐름의 과학과 기술을 포함하는 분야입니다. 최근 몇 년 사이에 이 분야의 연구는 재료 개발과 시스템의 급속한 발전된 유체공정의 독특한 이점으로 증가해 왔습니다. Microfluidic 및 nanofluidic 시스템은 화학 반응, 유체 가열, 혼합 및 감지와 같은 순차적 또는 다중화된 공정을 포함할 수 있는 응용 분야에서 마이크로 사이즈의 유체 유동은 매우 효율적이고 반복 가능하며 신속한 처리를 가능하게 합니다. 풀 라니 (Furlani) 교수 그룹의 연구는 새로운 공정 및 장치 개발에 대한 모델링 및 시뮬레이션을 보여줍니다. 이 연구의 대부분은 뉴턴 및 비 뉴턴 유체, 열 전달, 상변화 분석, 자유표면 및 다상분석, 유체와 관련된 유체 현상을 연구하기 위해 최첨단 전산 유체역학을 강조합니다. 매체 상호작용, 다공성 매체를 통한 유동, 완전히 결합된 유체구조 및 입자, 유체 상호작용에 대해 콜로이드. 국제 나노 기술 학술 대회에서 3 편의 논문이 발표될 예정입니다. 2014년 6월 15일부터 18 일까지 워싱턴 DC의 Gaylord National Hotel 및 Convention Center에서 개최됩니다. 이들은 버팔로 대학교 (University at Buffalo)에서 진행되는 획기적인 결과를 선보입니다. 여기에서는 이러한 작품의 미리 보기와 FLOW-3D로 생성된 시뮬레이션 결과 중 일부를 제시합니다.

Analysis of Stem Cell Culture Performance in a Microcarrier Bioreactor System

Koushik Ponnuru1, Jincheng Wu1, Preeti Ashok1, Emmanuel S. Tzanakakis1,3,4,5,6 and Edward P. Furlani1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, 3Dept. of Biomedical Engineering, 4New York State Center of Excellence in Bioinformatics and Life Sciences, 5Western New York Stem Cell Culture and Analysis Center, 6Genetics, Genomics and Bioinformatics, University at Buffalo, SUNY

(left) Shear stress distribution along with velocity vectors in a cross sectional plane of the bioreactor running at 60 rpm; (right) Kolmogorov length scale distribution at the same plane under the same conditions.

CFD 기반 시뮬레이션과 실험결과의 조합으로 교반 탱크의 마이크로 캐리어 생물 반응기 시스템에서 세포 배양에 대한 난류 전단응력의 영향에 대한 분석을 제시합니다. Corning’s bench-scale spinner flask의 3D 계산 모델은 최첨단 CFD 소프트웨어 인 FLOW-3D를 사용하여 제작되었습니다. 임펠러 속도, 배양액 및 입자 크기와 같은 매개변수가 마이크로 캐리어 입자에 작용되는 전단응력에 미치는 영향을 CFD 분석을 사용하여 연구하였습니다. 이것은 세포가 겪는 정확한 전단 조건을 예측하고 세포의 손상을 방지하는 최적의 작동조건을 확인하는데 사용됩니다. 또한, 다원능 마커 Oct4, Sox2 및 Nanog를 운반하는 세포의 비율을 세포 계측법 및 정량적 PCR을 사용하여 측정함으로써 hPSCs의 다능성 전단효과를 연구합니다.

 

Numerical Analysis of Fully-Coupled Particle-Fluid Transport and Free-Flow Magnetophoretic Sorting in Microfluidic Systems

Chenxu Liu1, Xiaozheng Xue1 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2Dept. of Electrical Engineering, University at Buffalo, SUNY

Magnetic nanoparticle chaining and rotating following an external field and causing the mixing of two different molecular concentrations.

 

Magnetic 입자는 생체 의학 및 임상 진단 응용을 위해 생체 재료를 선택적으로 분리 및 분류하는 마이크로 유체시스템에 점점 더 많이 사용되고 있습니다. 그러한 시스템의 합리적인 설계에 사용될 수 있는 전산모델이 도입되었습니다. 이 모델은 자기 및 유체 역학적 힘, 완전 결합 입자 – 유체 상호 작용 및 입자의 자기 조립을 유도하는 자기 쌍극자와 쌍극자의 상호 작용을 비롯한 입자 수송에 대한 지배적 메커니즘을 고려합니다. 응용 프로그램을 통해 연속흐름 분리시스템 및 회전 조립 체인을 기반으로 하는 미세 유체 혼합프로세스로 시연됩니다.

 

Numerical Analysis of Laser Induced Photothermal Effects using Colloidal Plasmonic Nanostructures

Ioannis H. Karampelas1, Young Hwa Kim2 and Edward P. Furlani 1,2

1Dept. of Chemical and Biological Engineering, 2 Dept. of Electrical Engineering, University at Buffalo, SUNY

 

Photothermal heat cycle of a nanocage (a=50nm, t=5nm) (perspective 1/8 view): plot of nanocage temperature vs. time, pulse duration indicated by the red arrow and dashed line and inset plots showing various phases of the thermo -fluidic cycle: (a) nanobubble formation, (b) nanobubble (maximum size), (c) nanobubble collapse, (d) cooling.

Colloidal 귀금속 (plasmonic) 나노 구조는 나노 입자 합성에서부터 바이오 이미징 (bioimaging), 의학 요법 (medical therapy)에 이르기까지 다양한 광열 (photothermal) 분야에서 점점 더 많이 사용되고 있습니다. 많은 응용분야에서, 펄스 레이저는 plasmonic 공진 주파수에서 나노 구조를 사용하며, 이는 광자의 흡수 및 고도로 국부화된 파장필드의 향상을 가져옵니다. 원격 소스로부터 효율적인 나노 스케일 가열하는 것 외에도, 합성동안 나노 입자의 구조를 조정함으로써 근적외선 스펙트럼을 통한 공진 가열파장을 조정할 수 있습니다. 우리 그룹은 nanosecond-pulsed, laser-heated colloidal metallic nanoparticles 및 열 유체 거동을 예측하는 전산모델을 개발했습니다. 이 모델은 플라즈몬 공명, 입자에서 주변 유체로의 열 전달 및 균일한 기포 핵 형성을 유도하는 유체의 위상변화에서 나노 입자 내의 에너지 전환을 시뮬레이션 하는데 사용되었습니다. nanorods, nanotori, nanorings 및 nanocages 등 다양한 nanoparticle 형상이 연구되었습니다. 이 분석은 레이저 강도, 입사 파장, 편광, 펄스 지속 시간 및 나노 입자의 방향 및 모양과 같은 공정 매개 변수가 광열 공정을 최적화하도록 조정될 수 있음을 보여줍니다. Plasmonic nanoparticles는 악성 조직의 약물 치료, 약물 전달 및 생체치료에 사용됩니다.

[FLOW-3D 물리모델] Viscosity and Turbulence / 점도와 난류

Viscosity and Turbulence

 

Wall Effects: Slip, Shear, and Component Roughness

유체가 고체 주위에서 움직일 때 유동은 유동속도, 난류, 그리고 경계면의 조도에 따른 저항을 만난다. 이런 경계 유동의 효과는 추가의 전단응력, 항력 그리고 (퇴적기반인 경우)부식을 초래한다. 이런 벽(또는 경계)효과를 모델링하는 것은 표면의 미끄러짐의 조건, 표면조도 그리고 벽 효과 속도분포를 적절히 규명할 수 있는 격자크기에 대한 주의를 요한다. 이런 변수 각각을 모델링하는 접근법을 밑에서 기술한다.

Wall Slip 

Slip 은 유동경계에서 상대 유동속도의 존재를 기술한다. 일반적으로 표면조건은 no-slip, partial-slip 그리고 free-slip 으로 기술된다.

Free-slip 표면은 표면에 수직한 속도 분포에 변화가 없는 표면이며 가끔 밀도의 자리 수가 차이가 나는 두 유체(물과 공기같이)간의 경계면을 기술하는데 이용된다. Partial-slip 경계는 경계에서의 유체속도가 부분적으로 감소되는 것을 기술하며, 예를 들면, 파이프 내 유화 처리된 파이프 내의 기름유동을 기술하는데 이용된다. 단연코 가장 흔한 경계조건 형태는 no-slip boundaries 경계이며 거의 모든 유체/고체 경계를 기술한다.

형상요소와 격자 벽에서의 점성경계조건은 벽 전단응력(상세내용은 이론 매뉴얼의 Wall-Shear Stress 참조)에 선형으로 비례하는 slip 속도를 포함한다. 비례계수는 마찰계수이며 지정되지 않은 마찰계수나 벽 형태의 영역 경계를 가지는 고체요소에 전반적으로 적용된다. 이 전반적 계수는 Model Setup → Physics tab → Viscosity and Turbulence dialog → Wall Shear Boundary Conditions → Friction Coefficient 에서 지정될 수 있다. 전반적 마찰계수는 모든 벽 형태의 경계에 적용되고 모든 고체요소에 대한 디폴트 값을 정의한다.

일반적 값 보다 우선하는 요소 특정 마찰계수가 정의될 수 있다: Model Setup → Meshing & Geometry → Component → Surface Properties → Static Friction Coefficient.

 

마찰계수가 무한대에 이를 때, 벽 slip 속도는 0(no-slip)에 근접한다. 임의의 큰 값을 지정하는 것을 피하기 위해 no-slip 선정이 마찰계수에 음의 값을 정의함으로써 활성화된다. 유한한 양의 값은 partial-slip 경계를 뜻한다. 0은 free-slip 경계조건을 지정한다. 유한한 양의 마찰계수는 부분-slip 경계가 된다. 디폴트로 Static friction coefficient = -1.0이며 모든 지정되지 않은 요소는 no-slip 표면을 갖는다.

각주: 부분 slip 이 난류모델 사용 시 기존요소에 대해 정의되면 경고가 나타날 것이다.

No-slip 과 partial-slip 표면은 Model Setup Fluids Properties Fluid # Viscosity 하에서 정의된 동적 점성을 필요로 한다.

 

Wall Shear 

벽 전단응력은 유동이 없는 면적부분에서 접선속도를 0으로 가정함으로써 모델링 된다. 0인 접선속도는 접선속도를 가지는 격자경계에서 그리고 이동체의 표면에 대해 수정될 수 있다.

벽 전단응력은 Viscous Flow Model Setup Physics Viscosity and Turbulence 보조 창에서 활성화되고 양의 유체 ViscosityModel Setup Fluids 탭에서 지정될 때 계산된다.

전단응력은 요소 Surface Roughness 계수(Model Setup Meshing & Geometry Component Surface Properties) 가 음수가 아닌 한(즉, 0이아닌 마찰계수에 대해) 자동적으로(하지만 자동적으로 출력되지는 않는다)요소 no-slip 과 partial-slip 요소에 대해 계산된다. 전단응력은 Model Setup Output Activate Shear Stress 에서 Activate Shear Stress 를 선택하고 General Critical Shear Stress = 0으로 지정함으로써 출력될 수 있다.

요소 특정 전단응력은 관심요소에 대해 Output 탭 하단에서 Pressure and Shear Force Output 를 선택함으로 출력될 수 있다.

전단응력과 밀접하게 연결되어 있는 변형률은 Model Setup Output Additional Output Strain Rate 를 선택함으로써 Restart Selected Data 출력에 추가될 수 있다.

전단응력, 변형률, 그리고 벽 근처 속도 분포를 정확히 모델링 하는 것은 격자가 적절히 해결되어야 한다는 것을 필요로 한다.  고체요소 또는 벽면에 인접한 첫 번째 셀은 로그 또는 층류의 벽 속도 분포가 적용되는 지역에 있어야 한다.  벽을 따라 셀들은 표면이 격자선상에 있으면 표면에 수직이거나 벽면을 포함한다.

유동이 Laminar(Viscosity and Turbulence physics 보조창에서 지정되는)이면 속도분포는 직접 미분에 의해 계산된다. 셀의 평균속도는 항상 정확하고 속도분포는 격자가 정련되면 더 잘 해석된다. 최적 셀 크기는 단지 필요한 분포 정확성과 허용되는 계산시간에 달려있으며 셀의 크기가 작아질수록 증가한다.

Turbulence 모델이 활성화되면 벽이나 고체요소 가까운 첫 번째 셀은 항상 밑에 보여진 로그법칙 구역에 상응하는 로그 분포에 따라 속도를 가지게 된다. 벽을 따르는 첫 번째 셀은 점성 sub-layer 를 포함하고 충분히 경계층의 로그법칙 구역 내에 있도록 크기가 정해져야 한다. 만약에 첫 번째 셀의 바깥쪽이 점성 sub-layer나 외부 또는 자유흐름 지역까지 포함한다면 그 때는 계산된 로그법칙 벽 근처 속도와 전단응력이  물리적 양으로부터 벗어나서 이들은 로그법칙관계와 일치하지 않는다.

 

적절한 범위의 셀 크기를 찾는 것은 고체 표면에 수직한 경계층의 높이(두께)를 추정하는 문제이다. 이에 대한 도움이 되는 값은 벽으로부터의 무차원 수직거리 y+, 가끔 viscous length 라고도 불리며 위의 무차원 속도 u+ 와 관련하여 보여진다. 아래 식에서 uτ 는 전단속도, τw 는 고체상의 전단응력, y 는 고체로부터의 수직거리, ρf 는 유체밀도 그리고 µf 는 유체의 동적(분자) 점도이다.

y+를 추정하기 위해 전단응력 τw 가 수동으로 추정되어야 하고 관심 있는 독자는 이를 위해 수리학 문헌을 참조한다. 일반적으로 y+(셀 크기의 함수로)는 30(이 값에서 내부 층이 로그법칙구역으로 부드럽게 변화하고) 보다 커야 하고 유동의 Reynolds 수와 경계층의 두께에 의존하는 값보다 작아야 한다(일반적으로 100 – 500 합당한 상한이다). τw의 수작업추정이 불가능하면 여러 번의 모사가 관찰값(전단응력 또는 속도)이 안정화되는”최적값”을 위해 반복되어야 한다. 고체표면에서 변수값을 계산하기 위해 이용된 근사값은 유체가 충분히 발달한 유동이라는 것을 가정하고 충분히 발달하지 못한 유동에 대한 결과를 해석할 때는 유의하여야 한다.

요소표면이 격자선 방향과 일치하면 고정점들이 표면에서 그리고 표면으로부터 적절한 거리에서 사용되어야 한다(막 설명된 바와 같이 첫 셀 거리 yy+ 기준을 맞추도록). 물체표면이 격자선과 평행하지 않으면 nested 격자블록을 적절한 곳에서 사용하여 표면에 가장 가까운 셀들이 적절한 간격을 가지도록 한다.

 

Component Roughness

요소표면에서의 벽 전단응력은 표면조도를 정의함으로써 수정할 수 있다. 조도는 길이의 단위를 가지며 분자점도에 fluid_density × roughness × relative velocity의 곱을 더함으로써 통상 전단응력 계산에 포함되고 있는데 여기서 relative velocity는 지역 유체속도와 벽 속도(정지된 벽이나 요소는 0)간의 차이이다. 이를 이행하면 laminar 유동모델의 벽 전단응력은 다음과 같다.

여기서

  • k 는 조도
  • ν 는 동점성계수
  • u 는 상대속도이며
  • δy 는 표면에 interest(관련된) 수직한 길이 규모이다.

조도가 충분히 클 때 응력은 다음에 비례한다.

Turbulent 유동모델에서 벽의 법칙 관계는 점도의 변화(즉 ν 에서 ν + ku로)가 ν/u 에 의해 정의된 특정길이 규모로부터 로그의존도를 k로 자동적으로 변환하는 것을 제외하고는 부드러운 벽에서와 마찬가지의 같은 형태를 지니며 k 는 두 특정 길이 중 큰 것이다.

수치해석에서 의미가 있기 위해 조도는 비록 큰 값이 사용될 수도 있지만 요소경계에서의 격자 셀 크기 보다 작아야 한다. 조도를 가지는 요소는 no-slip 표면(음의 static friction coefficient 를 통해)으로 주어져야 한다.

FLOW-3D 에서 조도변수 k 는 개별적으로 Meshing and Geometry Geometry Component Properties Surface Properties Surface Roughness 의 각 요소에서 지정될 수 있다.

Surface Roughness는 Moody diagrams 에서 기준된 조도처럼 균일하게 분포된 표면조도 요소의 평균 높이로 정의된다. 실제표면이 균일한 조도를 가지면 이 높이가 직접적으로 적용되나 균일하지 않으면 정확한 결과를 줄 equivalent 조도 값이 선정되어야 한다. 예를 들면 일반적인 평균속도, 수력반경, 그리고 수력 구배와 관련된 Manning 방정식은 Manning 계수와 관련된 수리반경이 알려질 때 FLOW-3DSurface Roughness 로 변환될 수 있는 등가의 조도변수(Manning의 n)를 사용한다.

여기서

  • V 는 채널 및 도관 내 평균유속
  • Rh 는 수력반경(윤변에 의해 나누어진 유체 단면적)
  • S 는 유동이 수력 구배, 특히(그리고 가끔 부정확하게) 도관이나 채널의 물리적 구배로 가정되며 1.49는 변화인자이고 모든 다른 단위는 미터/킬로그램/초(SI단위로)이며
  • n 은 Manning 조도이다.

균일하지 않은 표면에서 등가 균일조도는 밑에 보여진 것과 같이 Manning의 n 그리고 추정된 수력반경 또는 직경으로부터 계산될 수 있다. 여기서 Surface RoughnessFLOW-3D 에서 이용되는 조도변수이며 모든 변수들은SI 단위(미터) 이고 유동은 완전한 난류유동이며 수리학적으로 고르지 않다. 수력직경 DhRh 의 4배수로 정의된다(Dh = 4 Rh).

위에서 주어진 환원은 파이프와 등가 도관에 대한 Swamee-Jain 방정식으로부터 유도 된다.

여기서 다음 가정이 적용된다.

  • αmanning 는 feet 일 경우 1.486, meter 일 경우 1.0
  • 는Manning 방정식 가정이 옳을 때 1.0
  • ReD 는 5.74보다 훨씬 크다.이는 Manning의 n이 원래 측정된 유동단계에 상응하는 수리직경에 대해서만 기술적으로 유효하다. 이 변환은 다음과 같이 체크된다: mortar콘크리트에 대한 일반적 문헌 값은 0.013이다. n 이 수력반경 1.25ft(수력직경 5ft)인 채널에서 측정되었고 이때 는 0.0033ft또는 1mm인데 이는 mortar cement의 전형적인 문헌 값이다. 계산된 Surface Roughness 값은 대략 1과 10ft사이의 수력직경에 대한 값이다. 수력직경범위에 대한 제약은 항상 체크되어야 한다.각주: Surface Roughness > 0 는 상 변화 모델에서 요소표면 가까이의 액체에 의한 과열 발생 기능을 정지시킨다(Cavitation and Bubble Formation (Nucleation)를 참조한다).Surface Roughness의 값은 요소/유체 열 전달에 영향이 없다. 요소 – 유체로의 열 유속이 표면조도에 따라 증가되려면 요소에 대한 열 전달 면적의 승수가 되는 Surface Area Multiplier 변수를 사용한다. 디폴트로 Surface Area Multiplier = 1.0이다. Surface Area Multiplier = 0 은 유체와 요소 간 열교환 뿐만 아니라 요소 Mass source (사용되면)기능도 불가능하게 한다.
  • Temperature and Strain Rate Dependent Viscosity

    비뉴튼 유체는 점도가 변하는 유동조건에 따라 일정하지 않은 유체이다. 어떤 유체는 shear-thickening 즉 전단 하에서 농축되고 다른 유체는 shear-thinning(전단유동화), 즉 높은 전단 하에서 점도가 감소한다. 또한 온도가 변하는 모사에서 점도는 일반적으로 온도에 의존한다. 어떤 유체의 점도는 이력에 의존한다; 이런 유체는 thixotropic 이며 Thixotropic Fluids 모델을 필요로 한다.

    FLOW-3D 에서는 유체1만 비뉴튼일 수 있다. 2유체모사에서 비뉴튼 유체를 설정하기 위해 Viscous flow in Physics Viscosity and turbulence 를 활성화시킨다. 난류는 일반적으로 비뉴튼 유동에서 중요하지 않다; 그러나 난류선택은 할 수 있다. Turbulence Models은 비뉴튼 유체거동에 고려되지 않는 경험론에 의존한다. 그러므로 난류모델은 보통 비뉴튼 유동에는 유효하지 않으며 비뉴튼 유체에 대해서는 주의하여 사용되어야 한다.

    Fluids Properties Fluid 1 Viscosity 에서 펼쳐지는 메뉴로부터 점도 모델을 선택할 수 있다. 기본값은 상수이다. 비뉴튼 모델은 Temperature Dependent Table, Strain Rate Dependent Table, Strain Rate Dependent Function, Strain Rate and Temperature Dependent Function, Carreau Function, 그리고 Power Law를 포함한다:

Temperature Dependent Table이나 Strain Rate Dependent Table이 선택되면 온도나 변형률의 함수로 점도의 표 데이터를 입력하게 하는 Tabular 버튼을 클릭한다.

각주: 사용자 정의 표 데이터는 전처리에서 솔버가 최적으로 사용하게 내부데이터 구조로 전환된다. 전환은 입력표의 등 간격을 가지는 새 표로의 remapping(재사상)을 포함한다. 온도 또는 변형률 의존 점도를 위한 내부표의 처음과 마지막 점은 각 입력 표로부터 취해지며 그사이의 점들의 수는 10000으로 고정된다.  선형 보간이 전환 중 이용된다.

이 접근은 일반적으로 부드럽게 변하는 데이터에 대해서는 적합하다. 그러나 점도가 온도나 내부표의 간격에 비교될만하게 변형률의 범주에서 상당히 변하는 경우에 변환은 에러를 발생시킬 수도 있다. 이를 피하는 방법은 가능한 한 최대로 입력 표에서 온도와 변형률의 범위를 줄이는 것이다. 그래서 정확도를 높이기 위해 내부표의 간격을 줄이게 된다.

Strain Rate and Temperature Dependent Function 또는 Strain Rate Dependent Function이 선택되면 유체점도는 사용자지정 계수 λ00, λ0, λ1, λ2, n 그리고 µ를 가지는 변형률 및/또는 온도의 함수로 정의된다. 온도 의존도는 상수 a, b c 로 정의된다.

이 계수들은 다음 구성요소 관계를 가지는 점도를 정의한다.

Where 여기서

그리고 µ0 는 정상 상수 점도값(GUI 에서 Viscosity 옆의)으로 정의되는 전단이 없을 경우의 점도며 T* Fluids Properties Reference Temperature 로 정의된다. 적절한 계수의 선정은 사용자가 비뉴튼 유체거동에 대한 다양한 근사치를 사용하게 한다.

Carreau Function 선택을 택하면 점도를 변형률에 연관시키는 단순한 함수가 사용된다:

 

여기서는 Carreau 모델에 연관된 변수들만 정의되어야 한다; 이들은 GUI에서 활성화 된 것으로 보여진다. 이들은 Carreau 형태 유체의 점도 정의를 단순화한다.

Power Law 모델이 선정되면 또 다른 점도를 변형률에 연관시키는 단순한 함수가 사용된다:

여기서는 power-law 모델에 연관된 변수들만이 정의되어야 한다; 이 들은 GUI 에서 활성화 된 것으로 보여진다. 이들은 power-law 형태 유체의 점도정의를 단순화한다.

어떤 비뉴튼 유체모델이 사용될 때 전처리는 두 개의 추가 그림을 prpplt 파일에 그린다. 하나는 주어진 온도에서의 동적 점도 대 변형률이고 다른 하나는 주어진 변형률에서의 점도 대 온도이다. 전처리가 그림의 범위와 변형률 및 온도의 값을 선택하는 것이 어려우므로 사용자는 Input Variable Summary and Units 장의 User Defined Variables 절에서 기술된 바와 같이 4개의 소위 임시변수를 사용하는 환경을 정의할 수 있다.

  • DUM1은 점도 대 변형률이 그려지는 온도를 정의하며 이는 또한 점도 대 온도 그림을 위한 중앙 온도 값이다;
  • DUM2는 점도 대 온도 그림을 위한 DUM1-0.5*DUM2 로부터 DUM1 + 0.5*DUM2까지의 그림 범위를 정의한다.
  • DUM3는 은 점도 대 온도가 그려지는 변형률을 정의하며 또한 점도 대 변형률 그림을 위한 중앙 변형률 값이다;
  • DUM4는 점도 대 변형률 그림을 위한 DUM3-0.5*DUM4 부터 DUM3 + 0.5*DUM4까지의 그림 범위를 정의한다.

각주:

  • 변형률 의존점도에서 1차변수는 ‖eij‖ = 로 정의되는 변형률 크기이다. 같은 변수가 모사 중에 Strain rate magnitude로 출력된다.
  • 비뉴튼 유체유동은 낮은 Reynolds 수에서 가끔 발생한다. 결과적으로 시간간격 크기는 Explicit viscous stress solver가 사용되면 점성전단응력에 의해 조절된다. 모사속도를 상당히 낮추는 제약을 피하기 위해 Numerics Viscous stress solver options Successive under-relaxation또는Line implicit 를 지정함으로써 Implicit 점성응력 솔버가 대신 이용될 수 있다. 그러나 유동에 커다란 점성 구배가 존재하면 수렴은 늦어질 수도 있다.
  • 수치해석 문제점을 방지하기 위해 최대 점성을 약 1E + 15 로 제한하는 점도 계산 내에 추가  방편이 있다.

또한 다음을 참조한다

  • Outflow Boundary Conditions 에서 격자 경계조건의 논의
  • Thixotropic Fluids
  • Wall Slip. 벽 Slip

Thixotropic Fluids / 요변성 유체

요변성 유체의 겉보기 점도는 시간의 직접 함수이다. 겉보기 유체점도가 국부적 정상상태에 도달하는 속도를 조절하는 묽어짐 과 농축율의 관점에서 시간 의존도가 FLOW-3D에서 기술된다. 정상상태점도는 일반적으로 전단율과 온도의 함수일 것이다. 정상상태의 점도가 겉보기 점도보다 클 때 후자는 농축율에 따라 유동시점에서 증가할 것이다. 반대로 겉보기 점도가 정상상태 점도보다 클 때 묽어지는 율에 따라 겉보기점도는 감소할 것이다. 요변성 유체는 항상 비뉴튼성이고 또한 FLOW-3D 에서 정의되어야 한다 (Temperature and Strain Rate Dependent Viscosity참조).

요변성 점도 모델은 Physics Viscosity and Turbulence Thixotropic viscosity 를 선택함으로써 활성화된다.

묽어짐, Fluids Properties Viscosity Thixotropic Constant Thinning Rate, 그리고 농축, Constant Thickening Rate에 의한 이완율을 위한 두 개의 상수가 있다.

 

 

Strain Rate Sensitivity 계수가 정의되면 묽어지는 비율 α 또한 변형률에 의존할 수 있다.

where:여기서

  • µ0 Constant Thinning Rate 이고
  • µ1 Strain Rate Sensitivity 이다

Constant Thinning rate Constant Thickening rate 는 시간의 역수인 차원을 가지며 Strain Rate Sensitivity 는 무차원이다. 모든 율 계수는 기본값으로0이다. – 즉, 비요변성 효과.

정상상태에서 원하는 재료 거동을 근사하는 비뉴튼 점도모델(see Temperature and Strain Rate Dependent Viscosity참조)을 정의해야 한다. 물질을 정의하기 위해 Fluids Properties Viscosity 가지에서 변수들을 사용한다. 또 트리에서 Initial and boundary viscosity 값을 지정한다.

요변성 모사에서 점도는 매우 커질 수 있으므로 고점도 유동을 위한 외재적 알고리즘에 의해 요구되는 작은 시간단계 크기를 피하기 위해 Numerics Viscous stress solver options 로부터 Successive under-relaxation이나 Line implicit 를 선택할 수 있다.

각주: 입력 및 출력 변형률은 실제로는 변형률의 크기이다.

또한 Wall Slip Temperature and Strain Rate Dependent Viscosity 를 참조한다.

Turbulence

점성 평가(난류 종결)를 위한 6개의 옵션이 FLOW-3D 에 존재한다. 원하는 평가를 Physics > Viscosity and turbulence 에서 선정한다. 모든 모델에서 점성모델이 활성화되어야 하고 약의 동점성 값을 필요로 한다. 먼저 viscous flow 를 활성화한 후 유체 1 (그리고 있으면 유체 2 )의 점도를 Fluids Properties Viscosity 에서 입력한다.

이 모델 각각의 상세내용은 Theory 장의 Turbulence Models 절을 참조한다.

난류의 초기나 경계조건이 지정되지 않으면 초기나 경계에서의 난류운동에너지의 값은 프로그램에 의해 작은 값으로 지정되는데 이는 층류를 나타낸다. 유입유동이 난류이면 경험에 의해 상류유동의 난류 정도는 평균유동속도의 10%에 상응하는 잔잔한 유동에서의 난류유동변동이 가정된다. 예를 들면, 20m/s의 평균상류유동에서 난류속도변동의 크기가 2m/s이고, 난류운동에너지(단위 질량당)의 경계 값은 다음과 같다.

프로그램 기본값은 난류모델에서 나타나는 상수들을 지정하는 데 이용된다. 이 계수 값들은 일반적으로 권고되지 않지만 필요에 따라 변경될 수도 있다.

가장 작은 영역 차원(한 셀을 가지는 방향을 제외한)의 기본값0.07인 형상효과나 실제유동장의 규모를  반영하지 않으므로 Turbulent mixing length가 1방정식 난류에너지모델 사용자에 의해 지정되어야 한다. 이 변수는 유동에 존재하는 난류 와류의 특정규모를 기술하고 난류점도계수 최대 허용치를 정의하는데 이용된다.

Maximum turbulent mixing length는 계산된 난류의 점도가 너무 크지 않게 하도록 난류소산 ε 의 최소제한을 정하기 위해 Two-equation k ε model, the Renormalized group (RNG) model, 그리고 Two-equation k ω model에 의해 이용된다. 이 값은 Dynamically computed 선택이 Fluids Properties Viscosity window(상기 참조)로부터 자동적으로 모사 중에 시간과 위치의 함수로 계산된다. 다른 방법으로는 사용자가 Maximum turbulent mixing length 값을 Constant를 선택하여 옆의 편집상자에 값을 입력함으로써 기술할 수 있다.

Maximum turbulent mixing length가 클수록 모사 중 난류소산은 작아진다.  난류소산은 난류 점도 식의 분모에 나타나므로 난류점도는 특히 작은 전단율을 가지는 유동지역에서 커지게 된다. 역으로 작은 Maximum turbulent mixing length값은 작은 난류점도를 유발할 것이므로 난류를 과도하게 감쇠시킬 것이다.

예를 들면, 여수로 모사에서 Maximum turbulent mixing length 를 계산하는데 이용된 길이 규모가 여수로 상의 유동의 깊이일 수 있다; 고압 주조에서 길이규모는 러너의 가장 작은 폭일 수도 있다; 파이프 및 관 유동에서는 길이 규모는 유동채널의 수력직경일 수 있다. 일단 길이규모가 결정되면 Maximum turbulent mixing length는 길이 규모의 0.07, 또는 7%로 결정된다.

유입경계에서, 사용자는 난류 운동에너지와 소산을 직접 지정할 수 있다. 소산 없이 난류 운동에너지의 값이 주어지면 그 때의 소산 값은 자동적으로 편집상자 내에 정의된 Maximum turbulent mixing length 의 값에 의해 계산되거나 주어지지 않으면 기본값이다.

각주: 난류 평가를 위해 사용된 공식이 프로그램 시작 시 바뀔 수도 있다(General Restart Turbulence 참조). 난류이송방정식  (k ε, RNG, k ω 또는 One-equation) 을 포함하는 난류모델에서 이 방정식에서의 점성 확산 항은 항상 외재적으로 근사되므로 내재적 점성 알고리즘을 사용하는 것은 추천되지 않는다.

See also:

이론 매뉴얼 Turbulence Models 을 참조한다.

Viscous Heating

점성가열 모델은 Physics Viscosity and turbulence Activate viscous heating를 체크함으로써 활성화 된다. Viscous flow Turbulence options 아래서 선택되어야 함에 주의한다.

See also:

이 기능에 대한 상세정보를 위해 Theory 매뉴얼의 Thermal Diffusion and Sources를 참조한다.

Note:

  • 이 옵션은 Physics Heat transfer 가 활성화되어야 한다.
  • 0이아닌 유체 동점성이 Fluids 의 유체 입력에서 정의되는 경우만 사용된다.

Viscosity Output점성 출력

유체점도는 온도, 변형률 또는 난류 같은 다른 변수의 함수일 때 마다 자동적으로 후처리에서 저장된다. 반대로 점도가 상수이면 예를 들어 뉴튼 유체의 층류 유동에서는 일반적으로 후처리에서 이용 하지 못 한다. 사용자는 Output 탭의 Additional Output 절에서 Dynamic Viscosity 를 요청함으로써 디폴트 거동을 무효화할 수 있다. 이 기능은 특히 유체점도가 계산되는 FORTRAN routine mucal.F가 사용자에 의해 수정될 때 유용하다.

 

 

 

Water Rivers Bridge Piers

Bridge Piers

FLOW-3DSediment Scour Model 은 강이나 하천에서 수리학적으로 복잡한 교각과 지형에 따라 여러가지 퇴적물들의 높이 변화를 해석할 수 있습니다. 세굴 모델은 FLOW-3D 난류 모델들로 적분하여 3차원 분석이 가능합니다. FLOW-3D의 Shallow Water Model로 더 넓은 범위의 세굴 분석이 가능합니다.

Bridge piers scour simulation using FLOW-3D

교각 주위의 세굴 해석

세굴 모델은 deposition, packing, entrainment and drift-flux 메커니즘으로 되어있습니다. FLOW-3D v11 에서는 퇴적층의 형상을 FAVOR 하여 좀 더 정확하게 bed net 높이 변화를 시각화 할 수 있습니다. 시공간적으로 침전물의 변화뿐 아니라 유체의 부유물들, 바닥/유체 계면에서의 전단응력들을 분석할 수 있습니다.

Modeling Hydraulic Control Structures

In addition to the flow rates and detail of hydraulic behaviors associated with the control gate structures and powerhouse operation, FLOW-3D‘s sediment and scour model allows users to identify regions of high scour both near the control structure and further downstream in the vicinity of the bridge piers.

Bridge Pier Simulations

The first video shows a FLOW-3D simulation of the erosion that occurs around a group of three 2.4 m diameter piers as river water flows past at 1.5 m/s. The river depth is 15.8 m and the mean sediment size was presumed to be 0.35 mm.