Los microrobots líquidos se dividen y unen en un chip

Una gota de líquido se convierte en dos gotas, una se mueve a través del chip y se fusiona con una segunda muestra. Lo que parece un movimiento inusual de pequeños organismos es en realidad un proceso técnicamente controlado. Los investigadores del Instituto Tecnológico de Pekín han combinado estos microrobots con un análisis de imágenes que no sólo observa, sino que también desencadena otros pasos de trabajo. El estudio, publicado el 5 de octubre de 2026 en Nature Sensors, describe el sistema IMAR. Realiza mediciones químicas basadas en colores y puede adaptar su proceso al resultado. El líquido en sí no tiene ni un ordenador incorporado ni capacidad propia para tomar decisiones. El movimiento, la cámara y el software juntos forman el robot. Precisamente esta estructura distribuida hace que la idea sea interesante: un cuerpo móvil muy sencillo realiza tareas que normalmente requerirían varios pasos manuales con pipetas y recipientes de muestra separados.

La microfluídica se ocupa de pequeñas cantidades de líquidos y sus movimientos en estructuras correspondientemente pequeñas. En el presente enfoque, las gotas individuales sirven como espacios de reacción separados. Si se juntan dos, se pueden mezclar sus ingredientes. Se pueden crear muestras adicionales dividiendo. Estos procesos permiten una especie de reorganización del experimento directamente en la superficie. Un proceso estrictamente definido podría realizar los mismos pasos, pero no respondería automáticamente a una medición inesperada. Por tanto, la diferencia reside en la retroalimentación. Un resultado se evalúa y modifica la siguiente acción. El informe de la universidad participante describe esta conexión como el núcleo del desarrollo. El equipo incluye a Zongliang Guo, Rongxin Fu y Shuailong Zhang. Los experimentos examinan no sólo el control mecánico de un líquido, sino también su uso dentro de una tarea química evaluada continuamente.

Cómo los microrobots líquidos superan al chip

Las gotas se mueven sobre una superficie controlada eléctricamente. Al apuntar específicamente a áreas, las condiciones bajo las cuales se encuentra el líquido en la superficie cambian. De esta manera las gotas se pueden mover y disponer en una nueva disposición. El cuerpo líquido visible no tiene necesariamente que tener patas, ruedas o pinzas móviles. Su forma también forma parte del instrumento: una gota puede estirarse, formar un cuello estrecho y fusionarse en partes separadas. Lo que importa para el experimento posterior es si estos pasos producen cantidades reproducibles y si las sustancias deseadas realmente se combinan. Una secuencia impresionante de movimientos por sí sola no constituiría un análisis fiable. Por eso la cámara no sólo observa cada sección, sino que también proporciona información sobre las muestras procesadas. Toda la estructura combina la capacidad de mover líquidos de forma selectiva con el control sobre qué estado se ha alcanzado realmente en el chip y cuál se requerirá posteriormente.

Cómo un color se convierte en una medida química

Durante una reacción de color, la apariencia visual de una muestra cambia según sus ingredientes. Una cámara puede capturar este cambio. Para determinar una concentración, primero debe examinar la relación entre la señal coloreada y la cantidad conocida de sustancia. Un color más fuerte no significa automáticamente duplicar el material en cada reacción imaginable. La asignación tiene un rango de medición limitado y depende de las condiciones respectivas. Sin embargo, en esta área una evaluación calibrada puede revelar una propiedad química a partir de los datos de la imagen. Para obtener una medición fiable, no todos los píxeles de la gota se utilizan al azar. Los reflejos de los bordes o la iluminación desigual pueden afectar el resultado. Luego, el equipo pidió al sistema que seleccionara rangos de medición apropiados. La impresión externa de un líquido coloreado y el valor numérico utilizado para el análisis están relacionados, pero no son idénticos. Sólo una evaluación controlada transforma la fotografía en información cuantitativa.

Porque una muestra demasiado oscura se diluye automáticamente

Una muestra puede estar tan coloreada que apenas se noten en la imagen otras diferencias de concentración. Entonces se encuentra fuera del rango que puede evaluarse significativamente. IMAR puede responder dividiendo una gota y combinando una porción con una cantidad definida de diluyente. A continuación se vuelven a realizar las mediciones. Diluido con el mismo volumen de líquido puro la concentración se reduce matemáticamente a la mitad, siempre que la mezcla sea completa y no se pierda sustancia. Esta simple conexión explica la utilidad del proceso. Se puede volver a calcular un valor de medición en el rango apropiado a partir de la muestra original teniendo en cuenta el factor de dilución. La dilución no hace que la sustancia buscada sea más reconocible, sino que lleva una señal demasiado fuerte a un rango distinguible. Para mayor confiabilidad, las cantidades movidas deben ser correctas. De lo contrario, un error durante la división o la mezcla afectaría al recálculo posterior, incluso si la cámara evalúa correctamente la muestra diluida.

El sistema combina múltiples mediciones en lugar de depender siempre de una sola gota. Las repeticiones pueden ayudar a identificar desviaciones aleatorias y clasificar mejor el valor común. Sin embargo, el promedio no resuelve todos los problemas. Si todas las imágenes se distorsionan por la misma iluminación incorrecta, esta distorsión se mantendrá en promedio. Esta distinción entre variación aleatoria y error sistemático es fundamental para el análisis automatizado. Controlar las condiciones de medición y la repetición realizan diferentes tareas. Otra ventaja del análisis de imágenes es que puede detectar anomalías antes del siguiente paso de trabajo. El líquido no se mueve simplemente a través de un programa sin ser controlado. El programa recibe información sobre los resultados de sus acciones anteriores. Esta retroalimentación puede ser importante, especialmente con una muestra pequeña, porque de lo contrario un solo paso fallido afectaría toda una secuencia de cálculos posteriores. Por lo tanto, la automatización en este caso afecta tanto al movimiento como al control de calidad del proceso.

Lo que muestran los experimentos con muestras de agua y bacterias.

Entre otras cosas, los investigadores examinaron las mediciones del agua de diferentes fuentes y la adaptación a diversas variables químicas objetivo. Estas muestras son más desafiantes que una única solución de referencia pura porque otros componentes pueden influir en la señal de color. Otro experimento analizó el medio de crecimiento de bacterias de caries en cultivo. Su valor de pH se determinó a intervalos de 30 minutos durante ocho horas. El valor del pH describe qué tan ácida o básica es una solución. Esto crea una serie temporal en lugar de una única instantánea. El experimento se llevó a cabo en un cultivo bacteriano, no en la boca del paciente. Precisamente esta situación experimental específica hace que las ventajas sean comprensibles: la tecnología parte de un proceso de medición recurrente y procesa pequeñas muestras durante un proceso de desarrollo. Para uso clínico se deben examinar otros requisitos. Los resultados existentes se refieren inicialmente a la observación química controlada y muestran que las gotas en movimiento pueden lograr algo más que una simple demostración de su movilidad.

Cómo aprende el sistema una nueva tarea de medición

El análisis de imágenes utiliza el aprendizaje automático para vincular la información del color con las medidas. Una parte interesante de la investigación se refiere a la transición a una nueva tarea. Para medir la glucosa, el equipo utilizó un modelo preparado previamente como punto de partida y lo adaptó con un conjunto más pequeño de imágenes adicionales. Según el informe de la universidad, para este fin estaban previstas 200 imágenes de calibración, frente a 2.000 para el entrenamiento sin este trabajo previo. Esta comparación describe la actividad examinada y no representa un ahorro fijo para cada sustancia. Sin embargo, su idea básica es comprensible: un modelo no tiene que volver a aprender todas las propiedades generales del procesamiento de imágenes si algunas partes pueden reutilizarse. La información que se puede transferir depende de la similitud de las tareas. Una cámara nueva, una iluminación diferente o una reacción completamente diferente pueden requerir ajustes adicionales. De este modo, el software amplía las posibilidades de la plataforma, pero no sustituye la prueba de que sus predicciones para la respectiva medición química son realmente correctas.

¿Qué fuerza reside en pequeñas cantidades de líquido?

Un nanolitro equivale a una milmillonésima parte de un litro. La pequeña cantidad deja claro por qué son posibles muchas reacciones individuales una al lado de la otra en un área pequeña. Sin embargo, esto no significa automáticamente que cada dispositivo de medición sea pequeño o que cada análisis sea especialmente barato. La cámara, el control y la preparación siguen siendo parte del proceso. La estructura de hardware documentada pesa aproximadamente 300 gramos. Para futuras aplicaciones, sería importante, entre otras cosas, qué tan fiable funciona en condiciones ambientales cambiantes y cómo se evita una posible contaminación entre muestras. La idea crucial ya es concreta: una gota no es sólo un contenedor, sino una parte móvil y divisible del experimento. Su procesamiento puede depender del resultado recién medido. Esto convierte un chip en una superficie de trabajo cambiante en la que los líquidos no siguen una secuencia rígida. La combinación de movimiento, observación y toma de decisiones renovada transforma pequeñas gotas en un sistema de análisis coherente y automatizado.

Sensores naturales, que transforman microgotas en robots inteligentes para la detección colorimétrica autónoma; doi:10.1038/s44460-026-00133-0