Académique Documents
Professionnel Documents
Culture Documents
MÉMOIRE
présenté à
L’UNIVERSITÉ D’ARTOIS
Docteur de l’Université
par
Trong–Khoa NGUYEN
MODÉLISATION DE L’ÉCOULEMENT
DANS UNE BIOCÉRAMIQUE
À PORES SPHÉRIQUES INTERCONNECTÉS.
APPLICATION AUX BIORÉACTEURS.
Ce travail n’aurait pu avoir lieu sans aide et soutien de nombreuses personnes ; la liste
est longue et j’espère ne pas en oublier trop.
Je remercie tout d’abord Messieurs les Professeurs Didier DEFER et Isam SHAHROUR,
directeurs du Laboratoire de Génie Civil et géo-Environnement, pour m’avoir accueilli
au sein de leur unité pour la préparation de cette thèse.
Je souhaite aussi remercier les professeurs Ileana ROSCA et Pascal VANTOMME qui
m’ont fait l’honneur d’accepter d’être les rapporteurs de cette thèse. Je remercie aussi
les Docteurs Feng CHAI et Stéphane LEPRÊTRE de m’avoir fait l’honneur d’accepter
de siéger au jury de soutenance. Je suis en particulier reconnaissant au Docteur CHAI
pour son aide dans le domaine de la culture cellulaire in vitro et au Docteur Nicolas
BLANCHEMAIN (Groupe de Recherche sur les Biomatériaux, GRB, université Lille 2)
qui a accueilli dans son laboratoire la réalisation de cette partie expérimentale de mes
travaux. Partie expérimentale qui n’aurait d’ailleurs pu avoir lieu sans l’aide précieuse
du Docteur Michel DESCAMPS (Laboratoire des Matériaux Céramiques et Procédés
Associés, Université de Valenciennes et du Hainaut-Cambrésis) qui nous a fourni les
éprouvettes de biocéramique et que je remercie vivement.
Pour leur aide et leur disponibilité tout au long de mes travaux, je tiens à remercier l’en-
semble des membres de mon équipe : Francine, Benoît, Thierry, Étienne, ou d’autres
équipes : Philippe, ingénieur de recherche au laboratoire, Michaël, du GRB, pour son
aide pour les tests in vitro.
i
Un grand merci également à Thi Lan Huong TRINH, étudiant en master Biomedical
Engineering à l’Université Johns Hopkins (Etats-Unis) dont les indications bibliogra-
phiques ont été précieuses et à Thi Kim Trinh TRAN, doctorant à l’Université de
Vestfold (Norvège) pour son aide dans l’approche du calcul numérique via Comsol® .
Une pensée aussi pour les amis qui m’ont soutenu à distance, en particulier Carl, Sa-
muel, Gilles, Guillaume, Benjamin, Seck, Mardy (ainsi que Gavista pour ses remarques
sur « mon anglais » dans les articles !). Merci à mes collègues de bureaux, en particulier
Radhoan, Cédric, Samang, François, Khaled pour les bons moments passés.
ii
Résumé
Combler une perte osseuse est une nécessité fréquente en chirurgie. L’usage d’implants
biocéramiques est limité, conduisant au delà de quelques cm3 , inaccessibles à l’ostéo-
génèse, à une hétérogénéité intrinsèquement fragile et une vascularisation interrompue.
Les biomatériaux hybrides sont une solution. Ensemencée, la céramique est mise en
culture en bioréacteur, un fluide y circulant afin d’alimenter les cellules et d’évacuer
leurs déchets.
L’étude porte sur une céramique en phosphate de calcium dont l’architecture interne
consiste en pores sphériques interconnectés de quelques centaines de microns de dia-
mètre. Le choix du débit et de l’écoulement à travers ce matériau reste jusqu’ici empi-
rique. Pour optimiser la culture, il s’avère cependant nécessaire de savoir les déterminer
en tout point afin de pouvoir les optimiser et les reproduire et, à terme, d’optimiser le
choix de la biocéramique.
L’étude numérique s’impose car les grandeurs physiques finales recherchées (vitesses
et pressions locales) ne sont pas mesurables sur la structure microscopique. Or, ces
grandeurs optimisées permettent de définir les grandeurs d’entrée optimales. Le pro-
tocole débute par une modélisation de la microstructure et le calcul de la taille du
VER afin d’identifier la perméabilité intrinsèque du milieu. Une analyse statistique de
la répartition des contraintes tangentielles en fonction des grandeurs moyennes homo-
généisées permet ensuite d’identifier les paramètres d’entrée optimaux dans le VER.
Finalement, une optimisation globale de la résolution des équations de Navier-Stokes
sur la structure homogénéisée permet de définir le paramètre final, à savoir le débit de
contrôle du bioréacteur.
Mots-clés
iii
Abstract
Repairing a bone loss is a frequent need in orthopaedic surgery. Though now much de-
veloped the use of bioceramic implants is limited : a bulk greater than a few cm3 does
not allow a complete osteogenesis. So an intrinsic brittle heterogeneity remains with
an interrupted vascularization. Hybrid biomaterials are a solution. Seeded ceramics are
cultured in a bioreactor, a fluid flowing through the material to feed the cells and to
clear their waste out.
This study focuses on a calcium phosphate ceramic whose internal architecture consists
of spherical interconnected pores of a few hundred microns in diameter. The choice
of the flow rate or other flow parameters through the material remains far empiric.
To optimize the cell culture, it is however necessary to know how to determine them
at any point in order to optimize and reproduce them and eventually to optimize the
choice of the bioceramic.
A numerical study is necessary because the final desired physical parameters (local ve-
locities and pressures) are not measurable on a microscopic structure. However, these
quantities are used to define the optimal input values. The protocol begins in modeling
the microstructure and determining the size of the representative elementary volume
(REV) in order to identify intrinsic permeability of the material. A statistical analysis
of the distribution of shear stresses based on homogenized average values then leads
to identify optimal input parameters in the REV. Finally, a global optimization of the
solving of the Navier-Stokes equations on the homogenized structure leads to define
the final parameter, namely the flow of control of the bioreactor.
Keywords
Bone implant, hybrid biomaterials, cell culture, bioreactor, microfluidic model, porous
media, permeability, flow rate.
v
Table des matières
Remerciements i
Nomenclature xviii
Introduction 1
I Etude bibliographique. 5
1 Biocéramiques et culture cellulaire. . . . . . . . . . . . . . . . . . . . 6
1.1 Les biomatériaux. . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Les biocéramiques. . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Culture cellulaire et bioréacteurs. . . . . . . . . . . . . . . . . 9
2 Écoulement en milieux poreux. . . . . . . . . . . . . . . . . . . . . . . 13
2.1 Milieu poreux. . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Généralités. . . . . . . . . . . . . . . . . . . . . . . 13
2.1.2 Propriétés intrinsèques des milieux poreux. . . . . . . 14
2.2 Écoulement en milieux poreux. . . . . . . . . . . . . . . . . . 15
2.2.1 Écoulement d’un fluide à l’échelle microscopique. . . 16
2.2.2 Écoulement d’un fluide à l’échelle macroscopique. . . 18
3 Méthodes et simulations numériques appliquées à l’étude des cultures
cellulaires en bioréacteurs. . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1 Méthodes d’étude de l’écoulement du fluide appliquées aux
cultures cellulaires in vitro. . . . . . . . . . . . . . . . . . . . 24
3.1.1 Méthode expérimentale. . . . . . . . . . . . . . . . . 25
3.1.2 Méthode numérique. . . . . . . . . . . . . . . . . . . 25
vii
Table des matières
viii
Table des matières
ix
Table des matières
Conclusion 105
Annexes 123
x
Liste des figures
xi
Liste des figures
xii
Liste des figures
xiii
Liste des tables
xv
Liste des tables
xvi
Nomenclature
xvii
Nomenclature
xviii
Introduction
La nécessité de combler une perte osseuse est une éventualité fréquente en chirurgie
orthopédique, que cette perte soit due, par exemple, à un accident ou au traitement
chirurgical d’un ostéosarcome. L’autogreffe osseuse reste la méthode de référence, en
dépit de ses inconvénients (second foyer opératoire, augmentation de la morbidité,
volume forcément réduit), car les substituts osseux biocéramiques actuellement dis-
ponibles ont une efficacité encore insuffisante dans de nombreuses indications. Afin
d’augmenter leurs performances et le volume pouvant être remplacé, les recherches
actuelles portent sur les biomatériaux hybrides, associant aux biocéramiques des élé-
ments biologiques. La démarche consiste entre autres à cultiver des cellules osseuses
du patient au sein de céramiques poreuses en phosphate de calcium (matière minérale
proche de celle de l’os), de manière à obtenir par ingénierie tissulaire un implant osseux
artificiel.
1
Introduction
L’objectif final des travaux de thèse est d’établir un modèle numérique permettant de
prédire le débit de contrôle à l’entrée d’un bioréacteur afin d’obtenir une culture cellu-
laire optimale en fonction de la structure interne (microscopique) et externe (macrosco-
pique) de la biocéramique. Afin d’atteindre cet objectif, il convient de déterminer les
lois et paramètres physiques clés du modèle numérique. Les travaux portent d’abord sur
une étude théorique des modèles existants et l’identification des grandeurs physiques
indispensables au développement de notre modèle numérique. D’autre part, une fois
le modèle construit, il convient d’en valider tous les aspects, c’est à dire d’évaluer sa
robustesse et ses limites sur le plan numérique mais également sur le plan biologique
en confrontant données numériques et données expérimentales (issue de notre collabo-
ration avec le Groupe de Recherche sur les Biomatériaux, Lille 2).
En deuxième partie, est présentée une étude numérique permettant d’identifier un para-
mètre indispensable à la poursuite de nos travaux : la perméabilité de la biocéramique.
Cette étude implique tout d’abord la définition d’un volume élémentaire représentatif
(VER) de la microstructure du milieu poreux. Ensuite, un protocole numérique est bâti,
permettant l’identification de la perméabilité en fonction de la microstructure du milieu
poreux. Les résultats de cette étude sont comparés aux modèles de prédiction existants.
La troisième partie a pour but d’établir un lien entre microstructure et structure ho-
mogénéisée. La puissance de calcul nécessaire à l’étude complète de la microstructure
de la biocéramique compromettant toute analyse directe et, a fortiori, tout processus
d’optimisation, il convient de travailler sur des structures homogénéisées. Cette partie
présente une étude statistique, basées sur des simulations numériques, sur le lien entre
le couple pression-vitesse dans la biocéramique à l’échelle microscopique et la stimu-
lation cellulaire à l’échelle macroscopique afin d’en établir les paramètres optimaux
quant à la prolifération cellulaire dans un VER.
La dernière partie se veut une mise en application des travaux développés en parties II
2
Introduction
Finalement, les aspects principaux de ces travaux ainsi que leurs résultats sont synthé-
tisés dans une conclusion générale qui permettra de positionner notre étude vis à vis
des modèles numériques existants relatifs à l’étude de la culture cellulaire dynamique
et d’entrevoir les perspectives de développement du modèle numérique établi.
3
Partie I
Etude bibliographique.
5
Partie I. Etude bibliographique.
Les biomatériaux sont des matériaux dont la particularité réside en leurs propriétés
vis-à-vis des systèmes biologiques. La conférence de consensus organisée par la Société
Européenne des Biomatériaux (ESB) à Chester (Royaume–Uni) en 1986 en a proposé
une définition officielle [1] :
un biomatériau est un matériau non-vivant utilisé dans un dispositif médical prévu pour
interagir avec les systèmes biologiques.
Les biomatériaux peuvent être d’origine naturelle ou artificielle. Les matériaux biolo-
giques naturels ou greffons peuvent provenir du patient lui-même (autogreffe), d’un
autre patient (allogreffe) ou d’un animal (hétérogreffe). Le développement de produits
synthétiques biocompatibles permet de s’affranchir des problèmes découlant de ces
greffons : pas de limitation au volume disponible, pas de contamination due à cette
origine naturelle, structure, composition et caractéristiques contrôlées et optimisables
etc.
En ce qui concerne la chirurgie osseuse, le développement de matériaux capables de
favoriser la réhabilitation osseuse a connu un essor considérable. En effet, face à une
demande croissante et à un besoin certain, l’idée de développer des matériaux de haute
pureté chimique présentant une bonne reproductibilité de leurs caractéristiques, dispo-
nibles en quantité non limitée et surtout exempts de tout risque infectieux, a suscité
un grand intérêt. Les métaux et alliages métalliques, en particulier le titane et ses dé-
rivés, sont fortement utilisés comme prothèses articulaires (hanche, genou, épaule) ou
6
1. Biocéramiques et culture cellulaire.
comme matériel d’ostéosynthèse (plaque, vis, broche, clou) ou comme implants. Les
polymères sont également employés mais ce sont surtout les biocéramiques qui sont
largement utilisées dans ce domaine, en particulier les céramiques phosphocalciques.
En 1978, Osborn et Weiss [8, 9] ont montré que l’os naturel et l’hydroxyapatite frittée
possèdent une composition très voisine et ont, par conséquent, suscité un grand intérêt
7
Partie I. Etude bibliographique.
Désignation HA
Formule Ca10 (PO4 )6 (OH)2
Système hexagonal
Groupe d’espace P63/m
a 9,418
Paramètres cristallins(Å) b
c 6,881
Fiches d’indexation 1
9-432
Densité (g/cm3 ) 3,156
Solubilité 2 × 10−59
Figure I.1 – Projection dans le plan de base (001) de la structure de l’hydroxyapatite [10].
Les substituts osseux peuvent être soumis à des efforts mécaniques importants simi-
laires à ceux que l’os doit supporter. Il est donc important que ces matériaux présentent
1. Fiches d’indexation dans le fichier de diffraction de rayons X (JCPDS).
8
1. Biocéramiques et culture cellulaire.
de bonnes propriétés mécaniques afin d’éviter leur effritement ou leur fracture lors de
la mise en place durant l’opération chirurgicale ou au moment de la mise en charge.
La résistance mécanique des substituts osseux est dépendante principalement de leur
composition, de leur mode de fabrication et de leur morphologie. L’hydroxyapatite
dense (table I.3) possède une résistance à la traction ou à la compression supérieures
ou comparables à celles de l’os cortical. Sa résistance à la traction est comprise entre
79 et 106 MPa contre 69 à 110 MPa pour l’os cortical [11] et sa résistance à la com-
pression peut atteindre 400 MPa contre 130 à 180 MPa pour l’os cortical [12].
9
Partie I. Etude bibliographique.
Ces deux limites liées, l’impossibilité par les ostéocytes d’assimiler in situ une biocé-
ramique de grand volume et le caractère intrinsèquement fragile de cette dernière,
rendent actuellement inenvisageable le comblement d’un important manque osseux au-
trement que par une prothèse métallique, certes biocompatible mais biologiquement
inerte et créant une rupture définitive dans l’architecture osseuse. La discontinuité ainsi
introduite et la nette différence des propriétés mécaniques entre le métal et le tissu
osseux rendent la solution de la biocéramique assimilée évidemment la meilleure pour le
patient : pas de prélèvement de greffons (de taille de toute manière forcément réduite),
pas de corps étrangers à demeure, régénération de l’os naturel avec rétablissement de
la continuité osseuse et vasculaire.
Les études actuelles portent donc sur une solution à ce problème de l’ostéointégration :
aider à la colonisation in vitro de l’implant pour « avancer le travail » des cellules
osseuses in vivo. C’est là le rôle des bioréacteurs : créer un biomatériau dit hybride,
associant biocéramique et cellules. La procédure consiste à ensemencer une céramique
avec des cellules osseuses, in fine issues du patient ou de ses cellules souches, et à
mettre l’ensemble en culture in vitro dans un bioréacteur pour coloniser à cœur la cé-
ramique avant de l’implanter chez ledit patient. Cette précolonisation permet d’initier
l’ostéogénèse (voire la vascularisation en cas de culture conjointe de cellules endo-
théliales). Si l’on veut accroître le volume de la biocéramique, une culture cellulaire
dynamique devient nécessaire. Il s’agit d’assurer la circulation dans le matériau d’un
fluide physiologique apportant les nutriments aux cellules et évacuant leurs déchets,
10
1. Biocéramiques et culture cellulaire.
Des constantes cependant : dans tous les cas, le système doit être maintenu à 37 °C,
permettre les échanges gazeux et le fluide doit être en volume suffisant ou régulière-
ment renouvelé.
La phase de culture en bioréacteur prend place dans un protocole plus large (figure I.2)
qui débute par le prélèvement de cellules sur le patient et se termine par l’implantation
du matériel en biomatériau hybride sur ce même patient. Les cellules prélevées peuvent
par ailleurs être des cellules souches, issues par exemple de la moelle osseuse. Elle seront
alors cultivées de façon à aboutir à une différentiation en cellules osseuses. Le point
suivant portera sur l’association cellules/céramique, c’est la phase d’ensemencement
qui sera suivie de la phase de culture dynamique dans un bioréacteur.
11
Partie I. Etude bibliographique.
Les contraintes mécaniques [21] (cisaillement [23] et pression cyclique [24] par exemple)
et le champ électrique [25] sont connus pour stimuler les cellules in vitro. Un bioréac-
teur permet de moduler les premières.
12
2. Écoulement en milieux poreux.
2.1.1 Généralités.
Plusieurs définitions d’un milieu poreux se rencontrent au gré des dictionnaires. Ainsi,
l’une d’entre elles (Larousse), portant sur la physico-chimie, le définit comme une :
structure lacunaire des corps solides qui comportent de nombreux pores dont les dimen-
sions sont grandes par rapport aux atomes, mais petites à l’échelle de nos observations
ordinaires.
Il existe également des définitions mathématiques plus exotiques [30] dans lesquelles
les milieux poreux sont définis dans des espaces euclidiens de dimension 3. Quelque
soit la définition, un milieu poreux, tel que représenté figure I.4, est donc un matériaux
présentant des vides (pores) en son sein : macroporosités (pores de quelques dizaines
de microns de dimension minimale) ou microporosités (pores de quelques microns de
dimension maximale). Dans notre cas d’étude, étant donné la nature du matériau, la
forme des pores, leur répartition et leur connexion, la définition de Khaled et Vafai
déjà citée [26] est la plus adéquate : « un volume de matériau constitué d’une matrice
13
Partie I. Etude bibliographique.
pores interconnectés
circulation du fluide
Vv
ε= (Eq.I.1)
Vt
La perméabilité représente quant à elle la facilité qu’a le fluide à s’écouler dans le milieu
poreux sous l’effet d’un gradient de pression [32]. La perméabilité peut s’exprimer en
m2 ou en Darcy (1 Darcy = 0, 98.10−12 m2 ). La loi de Darcy [33] est la loi la plus
usuelle pour relier la vitesse du fluide 2 à un gradient de pression :
K −−−→
uD = − (gradp − ρ~g ) (Eq.I.2)
µ
2. Dans notre cas, on parle de « vitesse de Darcy », différente de la vitesse réelle du fluide en un
point donné.
14
2. Écoulement en milieux poreux.
Un milieu poreux est dit homogène quand sa porosité et sa perméabilité sont constantes.
La saturation du milieu est un paramètre important lié aux deux premiers. Elle définit
l’occupation des pores (par un fluide, par exemple). Elle est donc égale au rapport
entre le volume occupé et le volume des vides.
Dans le cas d’une phase liquide [27], par exemple de l’eau, la saturation est :
1 Z Vw
sw = dV = (Eq.I.3)
Vv Vw Vv
Dans notre cas, tous les pores sont considérés comme connectés et le matériau est
immergé dans le liquide physiologique, la saturation sw est donc égale à 1.
Les phénomènes de transport en milieux poreux font l’objet d’importantes études dans
de nombreux domaines. On trouve ainsi beaucoup d’applications dans le domaine bio-
médical, le génie chimique, le génie civil, la géologie, la géotechnique etc. Les problèmes
de transport en milieux poreux sont donc très variés et dépendent notamment des va-
riations de formes et de microstructure du matériau [26, 34].
A cause de ces variations, il convient généralement d’étudier les écoulements à deux
échelles (figure I.5) :
– microscopique : c’est l’échelle des pores, définie par leur diamètre moyen dp ; à cette
échelle, les grandeurs physiques (vitesse, pression) peuvent prendre des valeurs très
différentes en fonction de la position de la zone étudiée (au centre du pore, proche
de sa paroi, etc.)
– macroscopique : généralement 10 à 100 fois plus grande que la dimension des pores,
cette échelle est directement associée à un volume de matériau ; les équations géné-
rales sont établies directement sur le volume macroscopique et des grandeurs comme
la vitesse et la pression sont moyennées sur un volume élémentaire représentatif 3
(VER).
3. La notion de VER est abordée de manière plus détaillée dans la suite de ce chapitre.
15
Partie I. Etude bibliographique.
milieu macroscopique
milieu microscopique
quelques µm
supérieur à quelques cm
Pour autant, cela ne signifie pas l’absence de relation entre les deux échelles, bien
au contraire. La littérature [35–37] atteste de l’existence de relations entre propriétés
microscopiques et macroscopiques. Malgré l’emploi de quelques hypothèses simplifica-
trices nécessaires à la résolution de ce type de problème, des modèles de plus en plus
sophistiqués sont développés.
Les paragraphes suivants présentent les équations constitutives aux écoulements de
fluides en milieux poreux associées aux deux approches.
16
2. Écoulement en milieux poreux.
Figure I.6 – Distinction entre matrice solide et phase fluide dans l’approche microscopique.
Dans cette approche, un paramètre est souvent utilisé pour caractériser le régime de
l’écoulement : le nombre de Reynolds (Re). En milieu poreux, on peut déterminer ce
nombre de deux manières selon le milieu [38] :
– granulaire :
√
ρ.U. K
Re = (Eq.I.4)
µ
ρ.U.dp
Re = (Eq.I.5)
µ
17
Partie I. Etude bibliographique.
div~u = 0 (Eq.I.6)
où
u vitesse du fluide
p pression
g accélération de la pesanteur
µ viscosité dynamique
La résolution de problème de ce type dans des milieux poreux est généralement com-
plexe et fait appel à des logiciels de calcul spécialisés tels que, par exemple, les logiciels
commerciaux Fluent® , StarCD® , Comsol® . Des logiciels gratuits de fort bonne qua-
lité existent aussi tels que OpenFoam® [21], ou Code Saturne® développé par EDF [43].
18
2. Écoulement en milieux poreux.
matrice solide
phase fluide
Figure I.7 – Création d’un milieu homogénéisé en approche macroscopique par superposi-
tion d’un milieu solide et d’une phase fluide.
19
Partie I. Etude bibliographique.
A l’échelle macroscopique, l’intérêt dans notre cas portera notamment sur la vitesse
moyenne superficielle et la pression intrinsèque [44]. La vitesse moyenne superficielle est
parfois dénommée, parmi plusieurs autres appellations, vitesse de filtration ou vitesse
de Darcy. Comme déjà évoqué, c’est ce dernier terme que nous emploierons, avec
la notation uD . La pression moyenne intrinsèque sera notée P. La relation de Dupuit–
Forchheimer liant la vitesse de Darcy et la vitesse moyenne intrinsèque s’exprime alors :
uD = εhu~w iw (Eq.I.10)
où
hu~w iw vitesse intrinsèque moyenne du fluide
ε porosité du milieu
Tandis que l’équation de continuité pour le fluide incompressible se note :
divuD = 0 (Eq.I.11)
K −−−→
uD = grad P (Eq.I.12)
µ
Pour des milieux à grande porosité, l’équation de Brinkman [45, 46] est généralement
retenue. Cette équation, par l’ajout d’un terme d’inertie, permet de prendre en compte
la transition entre un régime de Darcy (Re < 1) et un écoulement visqueux libre :
−−−→ µ
grad P = uD + µe △uD (Eq.I.13)
K
où
uD vitesse de Darcy
K perméabilité
µe viscosité dynamique effective
La viscosité effective est définie comme le rapport entre la contrainte de cisaillement
et le taux de déformation. Dans la pratique, la viscosité effective est difficile à mesu-
rer [47] et on rencontre régulièrement dans la littérature l’égalité µe = µ [48–51].
La méthode du volume averaging est une technique qui peut être utilisée de manière
rigoureuse à partir des équations constitutives des milieux multiphasiques où chaque
5. Dans cette formulation, l’effet de la pesanteur est négligé. Nous expliquons ce choix dans la
partie suivante.
20
2. Écoulement en milieux poreux.
phase est considérée comme un milieu continu [44]. Les équations validées dans une
phase particulière peuvent être homogénéisées et validées pour n’importe quel élément
de volume du milieu étudié.
Dans un VER, le milieu est considéré comme homogène. Ceci inclut une variation nulle
(ou quasi nulle) de la porosité en fonction du volume considéré :
∂ε
=0 (Eq.I.14)
∂V
Cette condition n’implique pas nécessairement une porosité uniforme. Afin d’illustrer
ce point, imaginons le point x0 de la figure I.8 comme le centre d’une sphère de volume
U0 . Il suffit que le ratio U0v = Uv0 /U0 soit constant pour que l’on puisse considérer le
milieu comme homogène. Dans ce ration Uv0 représente le volume de vide de la sphère.
On constate notamment que pour de très petits volumes (milieu microscopique), les
variations de U0v sont très importantes. La stabilisation de cette valeur pour un volume
minimal noté Umin se poursuit jusqu’à un volume Umax . On peut considérer que le vo-
lume Umax tend vers l’infini pour des modélisations. Cependant, pour les cas concrets, il
existe fatalement une hétérogénéité macroscopique (variation de la nature du matériau,
obstacle non négligeable à l’échelle considérée, etc.). Cette ou ces hétérogénéités créent
une variation du ratio U0v . Pour nos futures études, nous considérerons Umax → ∞. La
valeur de Umin sera discutée dans la deuxième partie lors de la construction du modèle
numérique.
21
Partie I. Etude bibliographique.
On notera également que Whitaker [52] a défini une condition de taille de VER sim-
plifiée. En effet, il est possible de considérer un milieu poreux comme homogène pour
une longueur caractéristique 6 Lc faible devant la longueur représentative Lr d’une frac-
tion du volume de matériau étudié 7 (10Lc < Lr à 100Lc < Lr suivant le milieu étudié).
Cette notion, pratique en première approche pour une étude sur des volumes impor-
tants (plusieurs m3 ) devant les VER (quelques mm3 à 1 dm3 ) est à nuancer lorsque
le volume total à étudier est proche de la taille minimale du VER. On peut en effet se
poser la question de l’intérêt de modéliser par une approche macroscopique un élément
de la taille d’un VER. Dans ce cas, l’approche de Bachmat [34] semble plus appropriée
afin de mieux cibler la valeur Umin de notre VER.
Pour donner un ordre de grandeur, les métaux et les céramiques ont des VER de l’ordre
de 0,1 mm3 , alors que pour les bétons, on considère généralement des VER de l’ordre
de 100 mm3 pour des études portant sur des volumes totaux au minimum de l’ordre
de 24 dm3 (éprouvettes 11×22 cm).
22
3. Méthodes et simulations numériques appliquées à l’étude des cultures cellulaires en bioréacteurs.
Enfin, afin d’assurer une cohérence lors du changement d’échelle, les variables macro-
scopiques doivent correspondre à des critères physiques réels [27] :
1. Les grandeurs macroscopiques doivent correspondre exactement à la somme to-
tale des grandeurs microscopiques associées. Dans le processus de prise moyenne
(averaging process), aucune grandeur ne doit être créée ou détruite. Par exemple,
la masse totale d’un système doit être exactement la même quelque soit l’ap-
proche envisagée. On notera également que des champs des vitesses ou des tem-
pératures définies à l’échelle microscopique doivent conserver un sens physique
à l’échelle macroscopique.
2. Seule l’addition des grandeurs extensives pourra être effectuée lors du change-
ment d’échelle 8 . La masse, l’énergie ou la quantité de mouvement peuvent ainsi
être sommées ou intégrées afin d’obtenir les grandeurs macroscopiques. En re-
vanche, la masse volumique, la pression et la température en tant que grandeurs
microscopiques ne peuvent être additionnées afin de former des grandeurs signi-
ficatives.
3. La valeur moyenne des quantités microscopiques doit être une grandeur physique
généralement mesurable. Par exemple, la masse volumique à l’échelle microsco-
pique doit pouvoir être également mesurée à l’échelle macroscopique.
A partir de ces paramètres, approches et notions, nombre de modèles et méthodes
numériques ont été proposés. Ils sont passés en revue dans le chapitre qui suit afin
d’en déterminer les avantages et les inconvénients dans le cadre de leur application à
notre problème.
8. On rappelle que, dans un système homogène à l’équilibre, une grandeur extensive est un para-
mètre définissant le dit système et proportionnel à la taille de celui-ci (débit, force, enthalpie,etc.)
23
Partie I. Etude bibliographique.
Trois mécanismes ont été proposés pour approcher l’influence de l’écoulement du fluide
sur les cellules osseuses.
Pour séparer l’influence entre contrainte de cisaillement et transport des espèces chi-
miques, Bakker et al ont fait varier la contrainte de cisaillement en modifiant la vis-
cosité du fluide, le transport d’espèces chimiques restant constant. Cette étude a mis
en évidence l’augmentation de la production d’oxyde nitrique et de prostaglandine E2
quand la contrainte de cisaillement augmente [60]. De façon similaire, Li et al [61] ont
modifié la viscosité du fluide (par ajout de Dextrane) et ont montré que l’augmenta-
tion de la contrainte de cisaillement accélère la différenciation des cellules souches en
cellules osseuses, améliorant la minéralisation de la matrice extracellulaire. Par contre,
l’augmentation du transport de masse provoque l’inhibition de ce dernier processus.
Nous pouvons donc en déduire que la contrainte de cisaillement est le principal méca-
nisme de stimulation des cellules par l’écoulement du fluide.
24
3. Méthodes et simulations numériques appliquées à l’étude des cultures cellulaires en bioréacteurs.
La méthode expérimentale (trial and error) est souvent utilisée de par la méconnais-
sance des influences des stimuli mécaniques. Mais cette méthode est toujours difficile
car elle est coûteuse en moyens et en temps.
Les biologistes doivent réaliser de nombreux essais pour sélectionner le paramètre
adapté à leurs biomatériaux et à leur bioréacteur. Ainsi, Holder et al [66] ont re-
tenu une vitesse de 1 mm/semaine pour des biomatériau à haute porosité (> 90%) :
scaffold s de polyglycolide à mailles non tissées de diamètre de fibres d’environ 12 µm
ou de polylactide à pores interconnectés de dimension 125 à 200 µm.
L’avantage de cette méthode est de fournir des références pour valider les modèles
théoriques et les résultats des méthodes numériques.
Les inconvénients sont, d’une part, la limitation à l’échelle macroscopique du fait des
technologies disponibles (mesure de la vitesse et de la pression à l’échelle cellulaires)
et, d’autre part, une fréquente non-reproductibilité.
25
Partie I. Etude bibliographique.
modèle de simulation directe au niveau des pores par la résolution des équations de
Navier-stokes.
Cette approche donne la structure de l’écoulement du fluide dans un objet complet (le
scaffold ) au niveau des pores. Tous les paramètres locaux (vitesse, pression etc.) sont
précisément prédits sans avoir à formuler d’hypothèse de prise moyenne et à prendre
en compte les approximations des équations de Navier-Stokes. Les fluides biologiques
dans les bioreacteurs sont couramment des fluides incompressibles et newtoniens. Les
équations modélisant l’écoulement du fluide sont l’équation de continuité et l’équation
de conservation de la quantité de mouvement :
div~u = 0 (Eq.I.15)
" #
∂~u −−−→ −−−→
ρ + ~u.grad ~u = ρ~g − gradp + µ△~u (Eq.I.16)
∂t
L’étude à l’échelle des pores permet de connaître les informations locales (vitesse, pres-
sion, contrainte de cisaillement) par la résolution directe du système d’équations de
Navier-Stokes appliqué au scaffold en biomatériau. Ce travail est encore impossible de
nos jours pour un volume complet (même si le volume n’est que de quelques cm3 ).
Le temps et la puissance de calcul en sont les raisons. En plus, de par la complexité
géométrique (forme et distribution des pores) du biomatériau, vitesse, pression locale,
contrainte de cisaillement proche des parois du fluide sont différentes même si le débit
reste constant [64, 68]. Un petit volume représentatif est donc choisi en fonction de
la microstructure du biomatériau : unit cell pour les structure idéales (périodique, iso-
trope) [69–71], volume élémentaire représentatif pour les structures aléatoire [72–78]
(la méthode sera développée plus loin).
Ainsi, par exemple, Boschetti et al ont étudié les distributions des contraintes de ci-
saillement locales dans une biocéramique à structure périodique à pores sphériques
interconnectés en système cubique simple. La relation contrainte de cisaillement/poro-
sité est étudiée mais le débit d’entrée n’est pas pris en compte [71]. Un autre modèle
microscopique, basé sur la méthode des élément finis pour deux types de matériaux
(biodegradable CaP-based bone cement et glass ceramic), a été construit par Sandino
et al. Il permet le calcul des paramètres au niveau des pores (contraintes, pression,
vitesse) [75]. Un modèle microscopique similaire, basé sur la méthode des volume finis,
a été présenté par Maes et al [77, 78].
26
3. Méthodes et simulations numériques appliquées à l’étude des cultures cellulaires en bioréacteurs.
La méthode des éléments finis est une technique numérique de détermination de so-
lutions approximatives des équations aux dérivées partielles qui modélisent les phéno-
mènes physiques. Le principe de cette méthode est de déterminer un champ local à
attribuer à chaque sous-domaine (élément) afin que le champ global obtenu par juxta-
position de ces champs locaux soit proche de la solution exacte du problème [85].
La méthode de Lattice-Boltzmann (ou Boltzmann sur réseau) est basée sur l’algo-
rithme de type automate cellulaire et l’équation de Boltzmann [87].
Il doit être noté que ces méthodes numériques ne peuvent pas remplacer totalement
27
Partie I. Etude bibliographique.
Whittaker et al ont développé un modèle mathématique simple basé sur la loi de Darcy
pour examiner la distribution de la contrainte de cisaillement et la répartition des nu-
triments dans le scaffold en bioréacteur. L’avantage de ce modèle réside dans le fait
que la connaissance de la structure géométrique au niveau des pores est inutile. Son
inconvénient est qu’il n’est construit que pour les fibres poreuses creuses [88].
Liu et al ont eux développé un modèle mathématique macroscopique basé sur l’équa-
tion de Brinkman. Il est utilisé pour évaluer l’influence de la contrainte de cisaillement
du fluide sur la croissance des cellules dans un bioréacteur à perfusion. Ce modèle
a besoin des résultats expérimentaux pour alimenter les paramètres de l’équation de
Brinkman. Il économise le coût de calcul mais seulement à l’échelle macroscopique car
les informations à l’échelle microscopique ne sont pas concernées [90].
28
3. Méthodes et simulations numériques appliquées à l’étude des cultures cellulaires en bioréacteurs.
recte et une indirecte. La méthode directe est basée sur la loi de Darcy. Un gradient de
pression est imposé au matériau, la vitesse du fluide est ensuite mesurée et la perméa-
bilité K est finalement calculée [100–102]. La méthode indirecte conduit à estimer la
perméabilité K par une compression expérimentale, confinée ou non, et l’utilisation de
modèles théoriques. Ces modèles ne permettent pas une association directe aux valeurs
expérimentales. Les données de relaxation de la contrainte mécanique sont ajustées à
l’aide de modèles et la perméabilité K est calculée. Cette méthode est souvent utilisée
pour l’os ou le cartilage. Le modèle le plus utilisé est le biphasic model ou le poroelectic
modeling [103, 104].
Comme déjà mis en évidence, parmi les différents stimuli mécaniques créés par l’écoule-
ment, la contrainte de cisaillement joue un rôle très important dans la culture cellulaire
29
Partie I. Etude bibliographique.
in vitro. Elle est crée par le mouvement du fluide tangentiellement à une surface. Pour
les fluides newtoniens incompressibles, Newton montra que lorsqu’un fluide est cisaillé,
une force de résistance du fluide contre ce cisaillement apparaît, proportionnelle au
gradient de vitesse et appelée contrainte de cisaillement du fluide.
Dans la culture cellulaire in vitro, la clé importante réside dans l’ordre de grandeur des
stimuli mécaniques de l’écoulement du fluide et donc de la contrainte de cisaillement.
Pour quelles valeurs de cette dernière, les cellules seront-elles correctement alimentées,
leurs déchets évacués, tout en étant stimulées sans être détachées ?
En culture 2D, sur une surface, la méthode usuelle pour étudier cette force est d’utili-
ser la technique des plaques parallèles en chambre d’écoulement [56, 62, 63, 107–110].
En culture 3D, dans un scaffold à architecture tridimensionnelle, les bioréacteurs de
type perfusion imposant un écoulement unidirectionnel de faible vitesse sont souvent
utilisés [111–115].
Si, en 3D, la force est généralement appliquée en continu pendant le temps de la
culture cellulaire [116, 117], en 2D, la tendance est à l’application par intermittence,
pendant une durée plus ou moins courte, de 30 minutes [118] à 24h [119] par exemple.
Jaasma et al ont également appliqué à la culture 3D cette méthode de stimulation des
cellules pendant une courte durée [120].
– Truskey et Pirone [108, 109] ont étudié l’adhérence de cellules 3T3 sur des surfaces
de verre pour des valeurs de contrainte de cisaillement du fluide τ (CCF) de 5 à 140
dyn/cm2 . Le nombre de cellules attachées diminue exponentiellement avec la CCF :
les petites cellules se détachent quand la valeur de la CCF dépasse 5 dyn/cm2 , les
grosses au delà de 30 dyn/cm2
– Kooten et al [110] ont étudié l’influence de la valeur de la CCF sur des cellules
endothéliales humaines cultivées sur une plaque de verre : le taux de cellules passe
de 80 % à 20 % quand la valeur de la CCF passe de 88 à 264 dyn/cm2 (8,8 à 26
Pa).
30
3. Méthodes et simulations numériques appliquées à l’étude des cultures cellulaires en bioréacteurs.
– McAllister et al [62] ont étudié l’influence de la valeur de la CCF sur l’oxyde nitrique
(NO), la prostaglandine (E2-PGE2) et la prostacycline (PGI2) produits par la moelle
osseuse de rat (ces composés agissent sur la production par les ostéoblastes de
facteurs qui stimulent la résorption de l’os par les ostéoclastes). Ainsi, par exemple,
après 6 heures de culture cellulaire dynamique sous une CCF de valeur égale à 16
dyn/cm2 , le taux de NO est dix fois plus élevé qu’en culture cellulaire statique, c’est
à dire sans CCF.
– Reich et Frangos [63] ont montré de manière similaire que la production de prosta-
glandine (E2-PGE2) est multipliée par 9 et 20 pour des valeurs de CCF respective-
ment de 6 dyn/cm2 et de 24 dyn/cm2 .
Pour le dispositif à disque tournant, nous citerons l’étude de Deligianni et al [122]. Ces
auteurs ont établi une relation entre la valeur de la CCF et la culture des cellules de
moelle osseuse humaine sur la surface d’un disque d’hydroxyapatite. Pour des vitesses
angulaires comprises entre 105 et 315 rad/s, ils ont observé que le nombre de cellules
encore attachées dépend uniquement de la valeur de la CCF. La distribution des cel-
lules sur le disque met en évidence trois zones : proche du centre où la distribution est
uniforme, intermédiaire où la distribution diminue en fonction de la distance au centre,
extérieure où seules 20 % des cellules initialement présentes subsistent. Une valeur de
CCF égale à 170 dyn/cm2 conduit au détachement de la moitié des cellules.
Pour les scaffolds tridimensionnels, l’attachement des cellules aux parois peut se faire
de deux façons : à plat ou ponté [123] comme l’illustre la figure I.9.
McMahon [111] a estimé par étude par microscopie d’un scaffold collagène/glycosaminoglycanes-
GAG (taille des pores 95 µm, porosité 98 %) que 25 % des cellules sont attachées à
plat et 75 % ponté. L’étude de l’effet de la contrainte de cisaillement du fluide est plus
difficile que pour la culture 2D car la contrainte est très dépendante de l’architecture
et du matériau. Ainsi, Jungreuthmayer et al [124] ont montré que la valeur de la CCF
dans un scaffold collagène-GAG est 2,8 fois plus élevée, à débit identique, que dans
un échafaudage de phosphate calcique.
31
Partie I. Etude bibliographique.
Figure I.9 – Attachement des cellules souches mésenchymateuses au sein d’un scaffold
collagène-GAG : (gauche) à plat, (droit) ponté (d’après MacMahon [111]).
Partap et al ont montré que 40 à 50 % des cellules sont perdues ou détachées sous
l’effet d’une CCF de valeur comprise entre 8 × 10−4 et 2 × 10−2 Pa pendant 49 heures
(2 à 4 fois moins élevée qu’en 2D) [120, 125, 126].
32
4. Conclusion.
Table I.4 – Méthodes numériques : Méthode des éléments finis (MEF), Méthode des vo-
lumes finis (MVF), Méthode Lattice-Boltzmann (MLB) et modèle mathématique (MM).
4 Conclusion.
Ce troisième chapitre fait apparaître la difficulté d’accéder aux paramètres intéressant
la culture cellulaire dynamique de manière expérimentale. Ainsi, vitesse, pression et
contraintes mécaniques ne sont accessibles pour des scaffolds standards que par des
moyens numériques. Ces méthodes sont variées mais la première phase consiste en la
détermination de la perméabilité du matériau dans son architecture étudiée. L’étude
bibliographique a mis en évidence nombre d’outils et nombre de cas, les premiers
n’étant pas toujours adaptés aux seconds et, surtout, au nôtre. La suite de notre étude
va donc consister à définir une méthode numérique adaptée à notre matériau à pores
sphériques interconnectés après l’avoir modélisé.
33
Partie II
De l’identification numérique de la
perméabilité.
35
Partie II. De l’identification numérique de la perméabilité.
Nous présentons dans cette section les principaux modèles utilisés pour des écoulements
de type laminaire adaptés à notre structure géométrique.
VT P
RH = (Eq.II.1)
ST P
36
1. Principaux modèles analytiques et empiriques de prédiction de la perméabilité.
ε RH
K = CK = C (Eq.II.2)
S2 f (ε)
avec
CK constante de Kozeny
S surface spécifique
f (ε) facteur ou fonction de porosité
C coefficient lié à f
On remarque que dans cette équation, la perméabilité est proportionnelle à une lon-
gueur au carré et dépend d’un coefficient lié à la porosité du milieu. Pour déterminer
la signification physique de C et f (ε), Carman [133] a formulé des hypothèses pour
déterminer la perméabilité K en fonction de la porosité :
• les pores sont interconnectés,
• leur distribution est aléatoire,
• leur taille est uniforme,
• la porosité n’est pas trop grande,
• il n’y a pas de glissement entre fluide et solide,
• l’écoulement du fluide est considéré comme un écoulement à travers des capillaires.
La surface spécifique est la surface commune entre la partie solide et le fluide par unité
de volume solide. Pour les milieux poreux dit packed bed, on définit la perméabilité
adimensionnelle K ′ [132] :
K 1 ε3
K′ = = (Eq.II.4)
d2 180 (1 − ε)2
37
Partie II. De l’identification numérique de la perméabilité.
∆P
= a.U + b.U 2 (Eq.II.5)
L
En 1949, Ergun et Orning [136], en se basant sur la théorie de Reynolds et la méthode
de Kozeny, ont développé une équation générale pour la résistance de l’écoulement du
fluide. Cette équation peut s’écrire sous la forme d’une somme de la perte d’énergie
visqueuse et cinétique. L’équation d’Ergun prend alors la forme suivante :
∆P (1 − ε)2 µu 1 − ε ρu2
= 150 + 1, 75 (Eq.II.6)
L ε3 d2p ε3 dp
∆P (1 − ε)2 µu 1 − ε ρu2
= 150 + 1, 75 (Eq.II.7)
L ε3 d2p ε3 dp
K 1 ε3
K′ = = (Eq.II.8)
d2 150 (1 − ε)2
38
1. Principaux modèles analytiques et empiriques de prédiction de la perméabilité.
K ε5.5
K′ = 2 = (Eq.II.11)
dp 5.6
Cette formule s’accorde généralement bien avec les résultats expérimentaux pour des
valeurs de porosité entre 0, 35 et 0, 7 et une valeur du nombre de Reynolds comprise
entre 0, 01 et 100.
• le fluide considéré est un fluide monophasique ayant des propriétés physiques constantes,
• dans les pores, l’écoulement du fluide est toujours en régime laminaire,
• il y a condition de non glissement à l’interface solide–fluide.
divuD = 0 (Eq.II.12)
∂uD uD
ρ + ρuD ∇ + ε∇P − ερg − µ∇2 uD + µF uD = 0 (Eq.II.13)
∂t ε
Il est à noter que, dans l’équation de conservation de la quantité de mouvement, toutes
les variables sont des variables moyennes (macroscopiques) sauf le facteur F , coefficient
de frottement. Ce dernier est une fonction des paramètres de microstructure (porosité,
3. Bien que l’expression française « méthode de prise moyenne volumique » existe, elle est fort peu
employée devant son analogue anglais, nous utiliserons donc l’expression method of volume averaging
dans la suite de ce mémoire.
39
Partie II. De l’identification numérique de la perméabilité.
Dans cette équation, les variables uD et P sont considérées comme des grandeurs
macroscopiques. Pour un écoulement en régime laminaire à très bas Reynolds (≤ 1),
Du Plessis a proposé des expressions de la perméabilité K et de la perméabilité adi-
mensionnelle K ′ selon la vitesse d’entrée :
• pour un écoulement pleinement développé avec une vitesse d’entrée uniforme pour
chaque cross-section [139] :
ε.d2s h ih i
K= 1 − (1 − ε)1/3 1 − (1 − ε)2/3 (Eq.II.14)
36(1 − ε)4/3
K ε h
1/3
ih
2/3
i
K′ = = 1 − (1 − ε) 1 − (1 − ε) (Eq.II.15)
d2s 36(1 − ε)4/3
ε.d2s h ih i
K= 1 − (1 − ε)1/3 1 − (1 − ε)2/3 (Eq.II.16)
41(1 − ε)4/3
K ε h
1/3
ih
2/3
i
K′ = = 1 − (1 − ε) 1 − (1 − ε) (Eq.II.17)
d2s 41(1 − ε)4/3
Dans les équations Eq.II.14, Eq.II.15, Eq.II.16 et Eq.II.17, ds est la taille des éléments
cubiques de la phase solide associée à la notion de Cubic Representative Unit Cell de
Du Plessis.
40
2. Prédiction de la perméabilité par simulation numérique.
K Z
uD = − ∇P = ε udv (Eq.II.18)
µ
V
Q.L K
= △P (Eq.II.19)
A µ
∂P
u K Kxy Kxz
Dx 1 xx ∂x
∂P
u = − K
Dy yx K yy K yz ∂y
(Eq.II.20)
µ ∂P
uDz Kzx Kzy Kzz ∂z
ou :
uDx = − µ1 Kxx ∂P
∂x
+ Kxy ∂P
∂y
+ Kxz ∂P
∂z
uDy = − µ1 Kyx ∂P
∂x
+ Kyy ∂P
∂y
+ Kyz ∂P
∂z
(Eq.II.21)
uDz = − µ1 Kzx ∂P
∂x
+ K ∂P
zy ∂y + K ∂P
zz ∂z
41
Partie II. De l’identification numérique de la perméabilité.
Les vitesses issues des simulations numériques permettent de calculer toutes les com-
posantes Kij de la perméabilité en trois étapes indépendantes selon l’algorithme 1.
Pour j de 1 à 3 faire
Étape 1 : Imposer un gradient de pression ∂P
∂j
dans la direction j
Étape 2 : Calcul des composantes Kxj ,Kyj ,Kzj à partir du relevé des
vitesses.
Fin Pour
Cette méthode est basée sur une méthode expérimentale de mesure de la perméabilité
(figure II.1). Elle s’effectue en deux étapes liées à la mesure de pertes de charge à partir
d’un débit volumique ou massique imposé. On calcule la perte de charge △P 1 du sys-
tème avec le milieu poreux, puis la perte de charge △P 2 du système due uniquement
à l’écoulement du fluide dans le domaine (sans le milieu poreux). La perte de charge
due à l’écoulement du fluide à travers un milieu poreux s’exprime simplement comme
△P = △P 2 − △P 1. Ce modèle numérique est présenté en détail dans la partie 2.3.2
du chapitre II.
42
2. Prédiction de la perméabilité par simulation numérique.
Débit Q Débit Q
Milieu Poreux
∆P1 L ∆P2
.
Figure II.1 – Modèle numérique d’un VER, débit volumique imposé.
Pour n de 1 à 3 faire
Étape 1 : calcul du VER ou, pour les structures périodique, du VUR.
Étape 2 : débit volumique ou massique imposé dans la structure.
Étape 3 : calcul des champs de vitesses et pressions.
Cette étape nécessite la résolution de l’équation de Navier-Stokes aux
moyens de logiciels spécifiques a
~ Oy
Étape 4 : calcul de la perméabilité K pour une direction n donnée (Ox, ~
~
ou Oz).
Fin Pour
a. On citera par exemple Ansys-CFX® , Ansys-Fluent® , OpenFoam® ou Comsol®
Bien que notre structure soit considérée comme un assemblage aléatoire de pores de
même dimension, le milieu sera considéré dans un premier temps comme structuré et
périodique. Cette première étude est importante car elle permet de tester les méthodes
numériques de calcul de la perméabilité et de fournir un ordre de grandeur de cette
valeur. En outre, ce travail peut s’avérer à l’avenir directement utile avec le développe-
ment de biocéramique fabriquée avec une géométrie structurée, comme les prototypes
très prometteurs de Takagi et Tan [141, 142].
43
Partie II. De l’identification numérique de la perméabilité.
Les systèmes périodiques considérés sont ici les systèmes cubique simple (CS), cubique
centré (CC) et cubique à faces centrées (CFC) illustrés par la figure II.2.
Figure II.2 – De gauche à droite, systèmes cubique simple (CS), cubique centré (CC),
cubique à faces centrées (CFC).
Dans notre biocéramique, les arrangements des sphères de la figure II.2 représentent la
zone où le fluide va circuler. Le domaine sur lequel le calcul est effectué est une fraction
de la biocéramique. Pour une répartition aléatoire, il faut calculer la taille du VER.
Pour un milieu structuré, on peut utiliser les conditions périodiques géométriques pour
réduire la taille du VER à une Unit Cell. Les domaines retenus dans la première phase
de l’identification numérique de la perméabilité sont ceux illustrés par la figure II.3.
Figure II.3 – De gauche à droite : Unit Cell en systèmes CS, CC, CFC.
Les structures périodiques se prêtent bien aux calculs numériques basés sur la forme
mathématique, c’est-à-dire que l’on cherche les champs de vitesses du fluide dans les
pores à partir d’un gradient de pression imposé. Les conditions périodiques liées à la
modélisation imposent une contrainte de liaison entre les faces d’entrée et de sortie
du fluide. Ceci implique d’avoir des géométries identiques sur les deux faces, ce qui
est peu envisageable pour des structures aléatoires. Le schéma du modèle utilisé est
présenté dans la figure II.4.
44
2. Prédiction de la perméabilité par simulation numérique.
.
Figure II.4 – Modèle numérique d’une UC.
45
Partie II. De l’identification numérique de la perméabilité.
µ 0, 001 ∼
uD < = = 1, 9.10−3 m.s−1 = 1, 9 mm.s−1 (Eq.II.23)
ρ.dp 1000 × 530.10−6
Une fois ce critère validé, on peut identifier la perméabilité K à partir des équa-
tions Eq.II.20 et Eq.II.21, puis la perméabilité adimensionnelle K ′ . Ce calcul est im-
portant car il permet d’identifier un paramètre majeur en mécanique des fluides, la
longueur caractéristique d. On peut l’identifier en utilisant l’équation Eq.II.24 [143] :
d = a6v
(Eq.II.24)
av = Sw
(1−ε)V
R étant le rayon des pores et r le rayon des interconnexions des pores, on peut exprimer
d en fonction de la structure considérée :
En système CS :
4.π.R3
V − 3
− 63 π.h2 (3.R − h)
d=6
4.π.R2 − 6π (r 2 + h2 )
En système CC :
8.π.R3
V − 3
− 16
3
π.h2 (3.R − h)
d=6
8.π.R2 − 8π (r 2 + h2 )
En système CFC :
16.π.R3 48
V − 3
− 3
π.h2 (3.R − h)
d=6
16.π.R2 − 24π (r 2 + h2 )
Les travaux de recherches conduits lors de cette thèse ont porté sur un modèle unique
de biocéramique fabriqué par l’équipe Biomatériaux du Laboratoire des Matériaux Céra-
miques et Procédés Associés de l’Université de Valenciennes et du Hainaut-Cambrésis.
46
2. Prédiction de la perméabilité par simulation numérique.
De manière analogue aux modèles structurés, les modèles aléatoires ont été construits
selon des modèles mathématiques. En effet, l’utilisation de modèles réels est très coû-
teuse, tant du point de vue du matériel employé (MEB, CT-Scan, etc.) que des connais-
sances techniques nécessaires à la reconstitution numérique d’un modèle utilisable en
modélisation. En conséquence, nous avons utilisé un algorithme développé par l’équipe
du Professeur Torquato [146] qui a mis à disposition du public un programme déve-
loppé en C++. Ce programme permet un empilement aléatoire de sphères en contact
ponctuel. Les coordonnées 3D des centres des sphères sont récupérées puis intégrées
au mailleur. Les rayons des sphères sont ensuite redéfinis afin d’obtenir une intercon-
nexion de diamètre équivalent à ceux mesurés dans la réalité. Un exemple de cette
structure est donné dans la figure II.6.
Vsi Ci
Ci = et ≃ 1 pour i ∈ [a; b]
Vei C i+1
La taille du VER est déterminée en prenant la plus petite valeur de la zone stable,
soit Vea . La courbe présentée dans la figure II.7 montre l’évolution de la compacité en
fonction de la taille de volume élémentaire. Le VER est obtenu pour Vea ≃ 1 mm3 ,
soit environ 10 à 12 sphères.
47
Partie II. De l’identification numérique de la perméabilité.
A B C D
0.7
0.6
0.5
0.4 B C D
0.3
0.2
A
0.1
0
−4 −3 −2 −1 0 1 2 3
10 10 10 10 10 10 10 10
Variation du volume de la sphère de référence (mm3)
La figure II.8 présente deux empilements de sphères interconnectées utilisés pour nos
calculs. Le premier (250 sphères) correspond à la limite du modèle implémentable dans
notre station de calcul. Le second correspond au VER. La comparaison entre les deux
modèles nous permet de valider le calcul sur le VER. Dans ces modèles, le rayon des
pores est égal à 300 µm et celui des interconnexions est de 62 µm.
48
2. Prédiction de la perméabilité par simulation numérique.
Figure II.8 – Volume élémentaire représentatif -à gauche 250 pores sphérique, à droite 20
pores sphériques.
Si les modèles structurés se prêtent bien aux simulations numériques impliquant des
conditions périodiques qui, elles-mêmes, impliquent la présence de symétries, les mo-
dèles aléatoires, par définition non symétriques, demandent un traitement numérique
différent. On se base donc sur la méthode numérique reproduisant les conditions d’une
expérience réelle telle que présentée précédemment figure II.1, p 43 pour déterminer
la perte de charge en milieu poreux.
49
Partie II. De l’identification numérique de la perméabilité.
La première validation est réalisée sur une structure formée de cubes de 1 mm3 telle
qu’illustrée par la figure II.9. En faisant varier la distance entre les cubes, la porosité
peut prendre des valeurs de 0,2 à 0,8.
solide solide
cp fluide cp
solide solide
cp
50
3. Résultats des simulations numériques.
.
Figure II.10 – Maillage de Unit Cell du système.
Periodic Condition
Solid
Solid Solid
Periodic Condition
Periodic Condition
Simulation area Fluid
Solid Solid
. Periodic Condition
51
Partie II. De l’identification numérique de la perméabilité.
0.04
Simulation
Ergun
0.03 Carman-Kozeny
Rumpf-Gupte
Du Plessis
0.02
K’
0.01
0
0.2 0.3 0.4 0.5 0.6 0.7 0.8
Porosité
La validité de cette étude est également fonction du gradient de pression. On note que
pour un gradient de pression inférieur à 1000 Pa.m−1 , la perméabilité est constante
(figure II.13). Cette valeur est bien supérieure à celle de 20 Pa.m−1 imposée dans
nos modélisations et valide l’hypothèse d’une perméabilité constante pour les écoule-
ments liés à notre biocéramique. Ceci indique également qu’au delà de 1000 Pa.m−1 ,
l’écoulement laminaire commence à être perturbé.
−9
x 10 ǫ = 0, 5
2.84
2.82
2.8
2.78
K
2.76
2.74
2.72
2.7 0 1 2 3 4 5
10 10 10 10 10 10
Porosité
Figure II.13 – Perméabilité K en fonction du gradient du pression pour des cubes empilés
selon un système cubique simple.
Le modèle est testé pour des cubes de 1 mm3 identiques aux précédents (cubes dans
un système cubique simple). Cependant, le domaine (figure II.14) est élargi aux bornes
52
3. Résultats des simulations numériques.
du système dans une direction donnée pour éviter les erreurs numériques liées à un
renversement de flux (backflow error).
Table II.1 – Perméabilité adimensionnelle K ′ calculée pour une porosité égale à 0,5.
Modèle K/d2
Numérique-Gradient Pression 2,51E-3
Numérique-Débit Volumique 2,75E-3
Ergun 3,33E-3
Carman-Korenzy 2,78E-3
Rumpf-Gupte 3,95E-3
Du Plessis 1,74E-3
53
Partie II. De l’identification numérique de la perméabilité.
Table II.2 – Variation de la porosité pour chaque modèle en accord avec les paramètres
géométriques intrinsèques de la biocéramique étudiée (rayon des pores : 260-300 µm, rayon
des interconnexions : 30-70 µm).
Le premier calcul a été effectué pour le système périodique le plus simple : pores en
système cubique simple. Deux diamètres de pores ont été étudiés (580 µm et 600 µm).
Les rayons d’interconnexion ont été choisis de manière à faire varier la porosité de 0.6
à 0.8, gamme de porosité de la biocéramique fabriquée. La figure II.15 présente une
comparaison entre la porosité adimensionnelle issue de la simulation numérique et celle
des modèles théoriques et empiriques.
On remarque une nette corrélation entre nos simulations et les modèles de Du Plessis.
54
3. Résultats des simulations numériques.
dp = 580 µm
0.07
Simulation
Ergun
0.06 Carman−Kozeny
Rumpf−Gupte
Du Plessis
0.05
0.04
K’
0.03
0.02
0.01
0
0.6 0.65 0.7 0.75 0.8 0.85 0.9
Porosité
dp = 600 µm
0.07
Simulation
Ergun
0.06 Carman−Kozeny
Rumpf−Gupte
Du Plessis
0.05
0.04
K’
0.03
0.02
0.01
0
0.6 0.65 0.7 0.75 0.8 0.85 0.9
Porosité
55
Partie II. De l’identification numérique de la perméabilité.
dp = 520 µm dp = 540 µm
0.05 0.045
Simulation Simulation
Ergun Ergun
0.045 0.04
Carman−Kozeny Carman−Kozeny
Rumpf−Gupte Rumpf−Gupte
0.04 Du Plessis Du Plessis
0.035
0.035
0.03
0.03
K’
K’
0.025
0.025
0.02
0.02
0.015
0.015
0.01 0.01
0.005 0.005
0.71 0.72 0.73 0.74 0.75 0.76 0.77 0.71 0.72 0.73 0.74 0.75 0.76 0.77
Porosité Porosité
dp = 560 µm dp = 580 µm
0.045 0.045
Simulation Simulation
Ergun Ergun
0.04 0.04
Carman−Kozeny Carman−Kozeny
Rumpf−Gupte Rumpf−Gupte
0.035 0.035 Du Plessis
Du Plessis
0.03 0.03
0.025 0.025
K’
K’
0.02 0.02
0.015 0.015
0.01 0.01
0.005 0.005
0 0
0.71 0.72 0.73 0.74 0.75 0.76 0.77 0.71 0.72 0.73 0.74 0.75 0.76
Porosité Porosité
dp = 600 µm dp = 620 µm
0.04 0.04
Simulation Simulation
Ergun Ergun
0.035 Carman−Kozeny 0.035 Carman−Kozeny
Rumpf−Gupte Rumpf−Gupte
0.03 Du Plessis 0.03 Du Plessis
0.025 0.025
K’
K’
0.02 0.02
0.015 0.015
0.01 0.01
0.005 0.005
0 0
0.71 0.715 0.72 0.725 0.73 0.735 0.74 0.71 0.715 0.72 0.725 0.73 0.735 0.74
Porosité Porosité
56
3. Résultats des simulations numériques.
La comparaison, pour les différents systèmes, des données issues de la simulation nu-
mérique et des modèles théoriques, amène à plusieurs remarques.
Ces modèles sont à l’origine développés pour un écoulement autour de sphères solides
représentant généralement des granulats. Les résultats montrent que, pour des milieux
structurés, ces résultats sont difficilement transposables pour des écoulements ayant
lieu à l’intérieur des pores.
Seul le modèle de Du Plessis permet une corrélation nette dans le cas du système
cubique simple.
57
Partie II. De l’identification numérique de la perméabilité.
Il semble par contre peu envisageable d’établir une corrélation entre les différents modes
de calcul de K pour le modèle cubique à faces centrées.
Enfin, on remarque que la perméabilité reste constante quelque soit le modèle pour
un gradient de pression inférieur à 103 Pa.m−1 (figure II.19), ce qui permet de valider
l’hypothèse d’une perméabilité constante pour nos études dont la valeur du gradient
de pression, 20 Pa.m−1 , est bien en dessous de ce seuil.
−10
x 10
Cubique centré
Cubique à faces centrés
Cubique simple
3.5
3
K[m2 ]
2.5
1.5
1 0 1 2 3 4 5
10 10 10 10 10 10
Gradient de pression [Pa/m]
Figure II.19 – Perméabilité K en fonction du gradient de pression pour les trois systèmes
CS, CC, CFC.
L’étude d’un modèle aléatoire est indiquée afin de constater si le modèle cubique centré
peut représenter une alternative simple et fiable pour l’identification de la perméabilité
en première approche.
58
3. Résultats des simulations numériques.
−9
x 10
2.5
2 CC
Aléatoire
CS
1.5
K
0.5
ǫ3
K(ǫ) = α ∗ (Eq.II.26)
(1 − ǫ)2
où α est une constante qui est déterminée par l’ajustement avec les donnés numériques.
Pour cette structure avec des pores sphériques en système aléatoire, nous avons es-
timé α = 9, 956 × 10−11 par la méthode des moindres carrés par comparaison avec les
résultats numériques.
La similitude des courbes de la figure II.20 permet de conclure que le modèle cubique
centré est une approche satisfaisante quant à la perméabilité de la biocéramique réelle
à distribution aléatoire de pores.
59
Partie II. De l’identification numérique de la perméabilité.
Table II.4 – Perméabilité estimé K en système aléatoire, diamètre des pores 600 µm avec
deux débits volumiques différents.
4 Conclusion.
Les limitations en terme de puissance des stations de calcul classiques imposent une
réduction du modèle microscopique à une taille de VER identifiée ici à environ 1 mm3
soit un minimum d’une douzaine de pores interconnectés. La nature laminaire de l’écou-
lement conduit à utiliser une formulation simple au niveau macroscopique pour relier
vitesse et pression (grandeurs moyennes). Un modèle basé sur la loi de Darcy est donc
utilisé. Ce modèle met en évidence la nécessité de connaître la perméabilité du milieu
poreux. Si, pour des géométries de pores structurées (par exemple le modèle cubique
centré), la comparaison avec des modèles de prédiction de la perméabilité est perti-
nente, dès que la structure devient complexe (notamment si l’arrangement devient
aléatoire), les modèles issus de la littérature ne peuvent plus permettre une identifica-
tion précise de la perméabilité. Un protocole numérique basé sur une analogie avec la
méthode expérimentale a été défini et permet cette identification. La relation entre la
perméabilité K et la porosité ǫ a été aussi établie aidant à construire le futur modèle
multi-échelle de prédiction de la prolifération cellulaire (partie IV).
La perméabilité, utilisée dans le cadre de la loi de Darcy, reliant des grandeurs moyennes
sur un VER, il faut maintenant établir sur ce même VER un lien entre grandeurs locales
(vitesse,contrainte de cisaillement), grandeurs moyennes (vitesse de Darcy) et l’effet
de l’écoulement sur la prolifération cellulaire.
60
Partie III
61
Partie III. Prolifération cellulaire et vitesse de Darcy.
Le bilan des ces études a montré que les valeurs optimales de la CCF dans les systèmes
3D sont plus faibles que dans les systèmes 2D. La table III.1 montre la dispersion des
valeurs de CCF et des effets sur les cellules.
62
1. Prolifération cellulaire, contrainte de cisaillement du fluide et vitesse de Darcy.
Bien que très différents, les résultats montrent toutefois qu’une contrainte supérieure
à 4 × 10−2 Pa provoque une nécrose cellulaire. La valeur optimale de prolifération des
cellules se cache dans ces divers résultats. Il n’est en fait pas possible de certifier une
valeur universelle car celle-ci dépend fortement de la géométrie (externe et interne) de
la biocéramique ainsi que du type de cellule ciblé.
Dans la suite de cette partie, et pour une bonne compréhension de l’analyse des résul-
tats des simulations numériques, nous utilisons la notion d’intervalle de CCF optimale :
« plage de valeurs présentant des propriétés mécaniques particulièrement intéressantes
quant à la prolifération des cellules. »
L’étude complète de la prolifération des cellules dans un milieu poreux entier par un mo-
dèle numérique à l’échelle microscopique est quasi impossible à cause de la complexité
des structures du milieux poreux et du coût de calcul en temps et en moyens. C’est
pourquoi on substitue à cette analyse un modèle numérique à l’échelle macroscopique,
technique très employée pour l’étude des milieux poreux. Ce type de modèle numérique
utilise des grandeurs physiques moyennes (vitesse, pression) au lieu de valeurs précises
en un point de la structure.
Nous avons vu qu’il existe une relation entre la CCF, qu’on notera τ , et la prolifération
des cellules. La valeur de la CCF est fonction de l’écoulement du fluide dans les pores.
Cette valeur de contrainte est prise à l’interface entre le fluide et la structure. Les
études in vitro ont montré qu’il existe une valeur de CCF pour laquelle le développe-
ment cellulaire est optimal [14]. On appellera cette valeur optimale de contrainte τ ⋆ .
L’identification de τ ⋆ est absolument nécessaire pour pouvoir estimer les grandeurs
physiques d’entrée optimales du système. Le but de nos travaux de thèse est l’amé-
lioration de la culture cellulaire d’une biocéramique hybride dans un bioréacteur. Si le
contrôle à l’entrée de la pompe se fait par le débit volumique, il faut cependant une
valeur de référence intrinsèque analogue à τ ⋆ pour caler les optimisations. En effet,
le débit dépend à la fois de la vitesse et de la section de fluide considérée, alors que
la pression et la vitesse absolue peuvent être calculée sans équivoque en un point donné.
En d’autres termes, il faut des valeurs de références fixes dans le modèle microscopique
(assemblage de pores) pour pouvoir trouver un débit optimal dans le modèle macrosco-
pique homogénéisé. Alors que le modèle microscopique peut posséder plusieurs millions
voire plusieurs milliards de valeurs de pression et de vitesse, le modèle macroscopique
ne possède qu’une valeur de pression moyenne τ̄ et une valeur de vitesse moyenne ū
63
Partie III. Prolifération cellulaire et vitesse de Darcy.
sur le VER.
Dans notre cas d’étude, le passage d’un état microscopique à l’état macroscopique
implique de connaitre la dispersion des valeurs de pression et de vitesse autour des
valeurs moyennes. De cette dispersion, on tire une proportion de surface optimale pour
la prolifération des cellules ou pouvant au contraire présenter des risques de nécrose.
Le passage d’un milieu complexe microscopique au milieu homogénéisé macroscopique
permet un allègement très important des calculs et, de ce fait, octroie la possibilité
de procéder à des optimisations sur des systèmes complets (fragments osseux dans
un bioréacteur par exemple). Après l’identification de la perméabilité intrinsèque de
notre biomatériaux, la seconde étape indispensable avant de passer au modèle global
est donc de pouvoir relier une vitesse moyenne (la vitesse de Darcy) aux contraintes
locales nécessaires à la bonne prolifération des cellules.
Afin d’obtenir cette relation, nous proposons la procédure suivante :
• création d’un VER basé sur un assemblage aléatoire de pores interconnectés,
• résolution des équations de Navier-Stokes via un solveur numérique (débit im-
posé),
• calcul des contraintes de cisaillement puis exportation de ces valeurs,
• calcul de la distribution des contraintes de cisaillement sur le VER,
• choix d’une plage de contrainte τ1 et τ2 supposée idéale pour la prolifération des
cellules sachant que τ ⋆ ∈ [τ1 ; τ2 ],
• identification d’une relation entre τ et le débit Q imposé à l’entrée du système,
• identification entre Q et la vitesse de Darcy,
• identification entre τ1 et τ2 de la relation entre prolifération cellulaire et vitesse
de Darcy.
64
2. Distribution de la contrainte de cisaillement du fluide à l’interface fluide-structure.
∂u
τ =η (Eq.III.1)
∂n
avec u, vitesse du fluide m.s−1 ; η, la viscosité dynamique du fluide kg.m−1 .s−1 ; n
l’une des directions principales (suivant x, y ou z).
Le modèle numérique est composé d’un VER représentant la biocéramique, d’une zone
de fluide libre sur deux faces et une paroi sur les faces latérales (vitesse nulle aux pa-
rois). Le VER est contenu dans un cube de 2 mm de coté. Il contient environ 25 pores,
nombre supérieur au nombre minimal de pores représentant la structure au sens du
VER (figure III.1). Le modèle géométrique a été choisi semblable à celui utilisé pour
les essais in vitro. L’organisation des pores est aléatoire avec un diamètre de pores de
610 µm et des interconnexions de 110 µm, soit une porosité comprise entre 67 % et
68 % suivant l’arrangement des pores. Les propriétés du fluide utilisé pour le calcul
sont celles utilisées pour la validation expérimentale.
65
Partie III. Prolifération cellulaire et vitesse de Darcy.
Débit entrée Q
Fluide
VER
Parois
Parois
Fluide
Sortie
La simulation numérique effectuée (figure III.1), toutes les valeurs des contraintes de
cisaillement à l’interface entre le fluide et la structure sont exportées. La figure III.2
donne un exemple de la distribution des CCF entre 10−5 et 10−3 Pa dans la structure
en 3D.
Ensuite, à l’aide d’un script développé sous Matlab®, la distribution de ces valeurs de
contrainte est calculée en fonction du pourcentage de surface sur laquelle la contrainte
est appliquée. A titre d’exemple, la figure III.3 illustre une distribution des contraintes
pour un débit volumique Q de 0,01 ml.min−1 (d’autres cas sont présentés dans l’an-
nexe A).
La distribution des intervalles différents des valeurs de CCF dans le modèle 3D est
montrée dans la figure III.2.
66
2. Distribution de la contrainte de cisaillement du fluide à l’interface fluide-structure.
67
Partie III. Prolifération cellulaire et vitesse de Darcy.
QV ER =0.01ml/min
4
3.5
1.5
0.5
0
−8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.001 mPa
3.1 Méthode.
Sτ v
PSv = × 100 (Eq.III.2)
ST
avec Q débit volumique imposé. Les paramètres a, b, c sont déterminés par la mé-
thode des moindres carrés par comparaison des résultats numériques et de la fonction
d’ajustement.
68
3. Identification de la distribution d’un intervalle des valeurs τ de CCF en fonction du débit volumique Q.
60 60
Pourcentage de surface [%]
40 40
30 30
20 20
10 10
0 −3 −2 −1 0 1 0
10 10 10 10 10 0 2 4 6 8 10
Débit [ml/min] Débit [ml/min]
50
40
30
20
10
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10
Débit volumique [ml/min]
69
Partie III. Prolifération cellulaire et vitesse de Darcy.
Avec la méthode présentée précédemment, une analyse très fine de la recherche d’un
intervalle optimal est possible. On pourrait, par exemple, utiliser une fenêtre glissante
de largueur variable pour une plage importante de débit et déterminer les paramètres
optimaux d’entrée du système. Le problème d’une telle analyse est encore une fois
son coût exorbitant en temps et puissance de calcul. Il est plus raisonnable de cibler
des intervalles proposant une zone probable d’optimisation de la culture cellulaire en
fonction du débit.
La meilleure des solutions se trouve à l’intérieur d’un de ces intervalles ou d’une com-
binaison de ces intervalles, chose qui ne peut être connue que par des calculs sur la
structure globale. Quoiqu’il en soit, chacun de ces intervalles propose a minima une
solution où on ne provoque pas de nécrose cellulaire.
Les résultats de l’ajustement pour plusieurs intervalles différents sont présentés dans
la table III.2.
Table III.2 – Table des paramètres pour la distribution de CCF optimale en fonction de
l’intervalle de CCF optimale choisi.
La comparaison entre les fonctions d’ajustement et les résultats numériques est pré-
sentée dans les figures III.6.
70
3. Identification de la distribution d’un intervalle des valeurs τ de CCF en fonction du débit volumique Q.
Pourcentage de surface[%] 50 25
Pourcentage de surface[%]
40 20
30 15
20 10
10 5
0 −4 −3 −2 −1 0 1
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10 10 10 10 10 10 10
Débit volumique [ml/min] Débit volumique [ml/min]
(1) (2)
[τ1 ; τ2 ]=[1E-4;5E-4] Pa [τ1 ; τ2 ]=[5E-4;1E-3] Pa
60 30
Numérique Numérique
Ajustement Ajustement
50 25
Pourcentage de surface[%]
Pourcentage de surface[%]
40 20
30 15
20 10
10 5
0 −4 −3 −2 −1 0 1
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10 10 10 10 10 10 10
Débit volumique [ml/min] Débit volumique [ml/min]
(3) (4)
[τ1 ; τ2 ]=[1E-3;5E-3] Pa [τ1 ; τ2 ]=[5E-3;1E-2] Pa
60 30
Numérique Numérique
Ajustement Ajustement
50 25
Pourcentage de surface [%]
Pourcentage de surface[%]
40 20
30 15
20 10
10 5
0 −4 −3 −2 −1 0 1
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10 10 10 10 10 10 10
Débit volumique [ml/min] Débit volumique [ml/min]
(5) (6)
71
Partie III. Prolifération cellulaire et vitesse de Darcy.
Comme nous l’avons détaillé dans la première partie de ce mémoire, les calculs sur
les VER font intervenir des grandeurs moyennes. Si nous pouvons établir une relation
dans l’intervalle [τ1 ; τ2 ] entre la distribution des valeurs de contrainte de cisaillement
du fluide et le débit, puis entre débit et vitesse de Darcy (ou vitesse moyenne), alors,
on pourra relier la vitesse de Darcy à la distribution des contraintes de cisaillement du
fluide.
En utilisant les résultats numériques du chapitre précédent, on peut établir une relation
entre le débit volumique et la vitesse de Darcy grâce à la relation de Dupuit-Forchheimer
rappelée en partie I :
Z
uD = ε udV (Eq.III.4)
V
2
VER - système aléatoire
10
1
10
Vitesse de Darcy [mm/s]
0
10
−1
10
−2
10
−3
10
−4
10 −3 −2 −1 0 1
10 10 10 10 10
Débit [ml/min]
En utilisant l’ajustement par la méthode des moindres carrés, la relation entre vitesse
de Darcy et débit volumique peut s’écrire sous la forme mathématique explicitée dans
72
4. Relation entre CCF et vitesse de Darcy.
l’équation Eq.III.5 :
0
10
Vitesse de Darcy [mm/s]
−1
10
−2
10
−3
10
−3 −2 −1 0 1
10 10 10 10 10
Débit [ml/min]
73
Partie III. Prolifération cellulaire et vitesse de Darcy.
25 25
Pourcentage de surface [%]
15 15
10 10
5 5
0 −4 −3 −2 −1 0 1
0 −8 −6 −4 −2 0
10 10 10 10 10 10 10 10 10 10 10
Débit volumique [ml/min] Vitesse de Darcy [m/s]
La table III.1 montre que les cellules commencent à nécroser pour une contrainte de
cisaillement supérieure à 1, 5.10−2 Pa. Cette valeur de contrainte est reliée au débit.
En se focalisant sur les valeurs de τ ≥ 1, 5.10−2 Pa, on observe (figure III.10) que
plus le débit augmente, plus le pourcentage de cellules nécrosées augmente. La vitesse
moyenne étant reliée de façon linéaire au débit (équation Eq.III.5), son comportement
est identique. Il est alors possible de définir une valeur critique de distribution, par
exemple f (ud ) ≥ 0, 5 (plus 50 % des cellules du VER seront nécrosées), au dessus de
laquelle le taux de mortalité des cellules n’est plus tolérable.
74
5. Conclusion
τ > 1,5.E-2 Pa
90
Numérique
Ajustement
80
70
50
40
30
20
10
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10
Débit volumique [ml/min]
5 Conclusion
Dans cette partie, nous avons développé une relation permettant de lier les grandeurs
locales (vitesses, débits, pression) à la qualité de la culture cellulaire. Ce lien exprime
l’influence de la contrainte de cisaillement du fluide sur la prolifération les cellules. La
littérature montre qu’il existe une plage de valeurs de contrainte (entre 1 × 10−5 et
1 × 10−2 Pa) pour laquelle la culture cellulaire est influencée par la CCF, et a contrario,
une valeur de la CCF (à partir de 4 × 10−2 Pa) pour laquelle les cellules meurent.
75
Partie III. Prolifération cellulaire et vitesse de Darcy.
L’étape suivante consiste à intégrer ces résultats sur un VER dans une structure ma-
croscopique complète, à savoir une biocéramique, afin d’identifier la plage de CCF
optimale et le débit d’optimal à l’entrée du bioréacteur .
76
Partie IV
77
Partie IV. Débit volumique optimal : de la modélisation à la validation.
78
1. Processus de validation des études numériques.
Système Bioréacteur
Prolifération
en fonction du débit f(Q)
Débit volumique
optimal
79
Partie IV. Débit volumique optimal : de la modélisation à la validation.
Expérimentation in vitro
zone A
zone B
non
Distribution de CCF τ
outils d’analyse
numérique
outils de simulation numérique
Modèle
Distribution de CCF τ optimale Macro-Micro
Système Bioréacteur
zone C
80
1. Processus de validation des études numériques.
La validation de toute simulation numérique passe par une comparaison avec des résul-
tats expérimentaux. Dans notre cas, résultats de culture cellulaire dynamique in vitro
d’ostéoblastes ensemencés en biocéramiques placées en bioréacteur d’essai et résultats
de simulations numériques d’une telle culture sont comparés pour différentes valeurs de
débit d’entrée du fluide physiologique. L’objectif est de relier les paramètres optimaux
calculés via modèle et simulation (vitesse et contrainte, d’où débit) et ceux issus de la
biologie expérimentale.
Cette partie a été réalisée sous la direction du Docteur Feng CHAI au Groupe de
Recherche sur les Biomatériaux (GRB) du laboratoire Médicaments et Biomatériaux
à Libération Contrôlée (INSERM U1008) de l’Université Lille 2 (Faculté de Médecine
Warembourg, Lille).
1.2.1 Matériels
Les éprouvettes de biocéramique (figure IV.3) sont des cylindres d’hydroxyapatite (dia-
mètre 20 mm, hauteur 20 mm) à architecture interne contrôlée. Leur microstructure est
formée de pores sphériques (diamètre 610 µm) interconnectés (interconnexion de dia-
mètre 110 µm), la porosité étant égale à 68 % [144]. Ces échantillons ont été fabriqués
sous la direction du Docteur Michel DESCAMPS au Laboratoire des Matériaux Céra-
miques et Procédés Associés (Université de Valenciennes et du Hainaut-Cambrésis).
81
Partie IV. Débit volumique optimal : de la modélisation à la validation.
de l’ajustement.
divergence
convergence
pompe
biocéramique
Les cellules mises en culture sont des ostéoblastes humains de type MG63. Elles
sont cultivées dans un fluide biologique Dulbecco’s modified Eagle’s Medium(DMEM)
contenant du glucose (4, 5 g/l), de la pénicilline (100 U/ml), de la streptomycine
(100 µg/ml), de la L-glutamine (200 mM, 1 % en volume) et du sérum de veau fœtal
(10 % en volume).
Sont utilisées pour l’évaluation de la prolifération : une solution saline EBSS (Earle’s
Balanced Salt Solution), une solution de lysis buffer et une solution d’acide bicincho-
nique.
82
2. Prolifération des cellules : du modèle numérique à la simulation.
1.2.2 Méthodes.
Une culture cellulaire dynamique est ensuite réalisée pendant 7 jours pour un débit
volumique fixé. Le fluide physiologique est renouvelé au bout de 4 jours.
Pour un débit donné, 3 éprouvettes ensemencées sont mises en culture, une quatrième
est mise en culture statique dans les mêmes conditions (hors l’écoulement) à titre de
contrôle et afin de dépister une éventuelle anomalie d’ensemencement.
83
Partie IV. Débit volumique optimal : de la modélisation à la validation.
84
2. Prolifération des cellules : du modèle numérique à la simulation.
Biocéramique
perméabilité convection
porosité diffusion
prolifération
des cellules
Figure IV.5 – Influence de la prolifération cellulaire sur les phénomènes de transport dans
une biocéramique macroporeuse.
∇~u = 0
" #
∂~u
ρ + (~u.∇) ~u = ρ~g − ∇p + µ△~u
∂t
85
Partie IV. Débit volumique optimal : de la modélisation à la validation.
∂cO2
~ + ∇. (DO2 ∇cO2 ) + RO2
= − ∇.cO2 V (Eq.IV.1)
∂t
avec
cO 2 la concentration des molécules,
t le temps,
DO 2 le coefficient de diffusion des molécules,
RO2 la vitesse de consommation par les cellules,
V~ la vitesse des molécules.
Notre modèle comporte deux zones bien distinctes : l’intérieur de la biocéramique et
l’extérieur. Nous avons donc deux cas de transport de l’oxygène dans un bioréacteur.
2ǫ
Def f,O2 = DO2 . (Eq.IV.2)
3−ǫ
• RO2 est négatif car les cellules utilisent l’oxygène, la consommation d’oxygène est
donc supposée satisfaire l’équation cinétique de Michaelis-Menten [149–151] :
cO 2
RO2 = −ρcell Qm (Eq.IV.3)
cm + cO 2
avec
86
2. Prolifération des cellules : du modèle numérique à la simulation.
L’équation de la prolifération des cellules est basée sur la conservation de la masse des
cellules dans la biocéramique en supposant que la densité de cellules ne peut jamais
dépasser une valeur maximale. Cette équation peut être écrite sous la forme [152,153] :
∂ρcell
− ∇(Dcell ∇ρcell ) = Qc . (Eq.IV.4)
∂t
où Qc est la croissance nette de la densité de cellules représentative de la prolifération.
Cette valeur Qc peut d’ailleurs s’écrire sous la forme :
!
ρcell
Qc = (Rc − Rd ).ρcell . 1 − (Eq.IV.5)
ρmax
avec
Rc la vitesse de la prolifération cellulaire,
Qc la vitesse de la prolifération nette des cellules [s−1 ],
Rd la vitesse de mortalité des cellules [s−1 ],
ρmax la densité maximale de cellules.
Dans nos calculs, la durée de vie des cellules est supposée égale à 30 jours [154].
avec
F (CCF ) la vitesse de prolifération due à la CCF
F (cO2 ) la vitesse de prolifération due à la consommation d’oxygène
La vitesse de prolifération due à la consommation d’oxygène est modélisée par l’équa-
87
Partie IV. Débit volumique optimal : de la modélisation à la validation.
tion de Contois qui permet de prendre aussi en compte l’inhibition de contact entre
les cellules 1 [155, 156].
cO 2
FcO2 = Fcmax (Eq.IV.7)
Kc .ρcell .Vc .ρc + cO2
avec
Fcmax la prolifération maximale due à la consommation d’oxygène
Kc le paramètre de Contois
ρc la densité spécifique d’une cellule individuelle [kg.m−3 ]
Vc le volume individuel d’une cellule [m−3 ]
Concernant l’influence de la CCF τ sur la prolifération, il est possible d’écrire une
fonction FCCF (τ ) qui va pondérer l’évolution du nombre de cellules (scalaire positif
ou négatif pour une augmentation ou une diminution du nombre de cellules). Nos hy-
pothèses sont les suivantes :
• La prolifération augmente d’un facteur foptimal si τ est dans l’intervalle des valeurs
optimales [τ1 ; τ2 ].
• Si τ > τcritique , les cellules meurent ou sont détachées, ce qui diminue la prolifération,
soit FCCF < 0.
• En dehors de ces deux cas, il n’y a pas de croissance du nombre des cellules due à
CCF, soit FCCF = 0.
Le facteur foptimal dépend des pourcentages des valeurs de CCF entre [τ1 ; τ2 ] dans la
biocéramique. Ce facteur peut s’exprimer sous la forme :
La fonction de distribution des valeurs de CCF entre [τ1 ; τ2 ] s’écrit alors sous la forme
log-normal :
!2
1 ln(a.Q) − b
f (Q) = √ exp − √ (Eq.IV.9)
(a.Q)c 2π c 2
où a, b, c sont des paramètres de l’ajustement par rapport à l’intervalle [τ1 ; τ2 ] choisi.
Dans la partie précédente, nous avons établi la relation entre Q et la vitesse de Darcy :
1. Les cellules mises en culture se multiplient jusqu’à former une couche mince.
88
2. Prolifération des cellules : du modèle numérique à la simulation.
1.5
1
[1+F(CCF)]
0.5
−0.5
−1
−1.5 −10 −8 −6 −4 −2 0
10 10 10 10 10 10
Vitesse de Darcy [m/s]
Figure IV.6 – Influence de la vitesse de Darcy sur la prolifération (plage de CCF optimale
[1.10−4 ; 5.10−4 ] Pa).
On rappelle que le modèle numérique est voulu similaire aux expériences in vitro en
bioréacteur. Les faces supérieure et inférieure de l’échantillon sont au contact du fluide
physiologique. La surface latérale est en contact avec une paroi étanche. D’où les
89
Partie IV. Débit volumique optimal : de la modélisation à la validation.
Entrée du système :
– vitesse d’entrée : Ventrée = Surface
Débit
,
– concentration en oxygène à l’entrée : concentration en oxygène du réservoir.
Sortie du système :
• pression à la sortie : pression du fluide biologique (Prelative = 0),
• pas de variation de concentration en sortie : n∇cO2 = 0.
90
2. Prolifération des cellules : du modèle numérique à la simulation.
Entrée (1)
Parois(4)
Parois (3)
Fluide
biologique
Fluide-Biocéramique(7)
Milieu poreux
(Biocéramique)
Fluide-Biocéramique(8)
Parois(6)
Parois(5)
Fluide
biologique
Sortie (2)
La biocéramique testée est conforme à la taille des échantillons réels, à savoir une
forme cylindrique de 20 mm de diamètre et 20 mm de hauteur (figure IV.7). Le but de
la simulation numérique est d’observer la prolifération cellulaire dans la biocéramique.
En observant que notre système présente à la fois des symétries géométriques et des
symétries de contraintes, on peut réduire notre analyse 3D à une analyse de type 2D
axisymétrique.
Les systèmes d’équations aux dérivées partielles à résoudre peuvent être distingués
selon le milieu :
91
Partie IV. Débit volumique optimal : de la modélisation à la validation.
∇~u = 0 (Eq.IV.13a)
" #
∂~u
ρ + (~u.∇) ~u = ρ~g − ∇p + µ△~u (Eq.IV.13b)
∂t
∂cO2
= − (∇.cO2 ~u) + ∇. (DO2 ∇cO2 ) (Eq.IV.13c)
∂t
et 4 équations en biocéramique :
∇u~D = 0 (Eq.IV.14a)
µ
∇P = .uD + µ∆uD (Eq.IV.14b)
K
∂cO2
= − (∇.cO2 u~D ) + ∇. (Def f,O2 ∇cO2 ) + RO2 (Eq.IV.14c)
∂t !
∂ρcell ρcell
− ∇(Dcell ∇ρcell ) = (Rc − Rd ).ρcell 1 − (Eq.IV.14d)
∂t ρmax
avec
Pour résoudre numériquement les couplages existant entre la prolifération des cellules,
l’écoulement du fluide et le transport d’oxygène dans le milieu poreux, il faut une rela-
tion entre sa perméabilité K et sa porosité ǫ.
92
2. Prolifération des cellules : du modèle numérique à la simulation.
Enfin, afin de simplifier ces relations, la quantité d’oxygène du réservoir est supposée
être largement supérieure au besoin en oxygène des cellules.
ǫ3
K(ǫ) = α ∗ (Eq.IV.16)
(1 − ǫ)2
où α est une constante qui est déterminée par l’ajustement avec les donnés numé-
riques. Pour la structure avec des pores sphériques en système aléatoire, nous avons
estimé α = 9, 956 × 10−11 par la méthode des moindres carrés par comparaison avec
les résultats numériques de la partie II.
93
Partie IV. Débit volumique optimal : de la modélisation à la validation.
Table IV.1 – Valeurs des paramètres et des constantes utilisés pour la simulation numérique.
3 Résultats.
94
3. Résultats.
300
250
200
150
100
0 1 2 3 4 5 6 7
Temps [jour]
95
Partie IV. Débit volumique optimal : de la modélisation à la validation.
Figure IV.9 – Comparaison entre la distribution d’oxygène et la densité des cellules dans
la biocéramique en fonction du temps (1/2).
96
3. Résultats.
Figure IV.10 – Comparaison entre la distribution d’oxygène et la densité des cellules dans
la biocéramique en fonction du temps (2/2).
97
Partie IV. Débit volumique optimal : de la modélisation à la validation.
98
3. Résultats.
Comme nous avons pu le voir tout au long de la partie III, et par la suite schématisé
par la figure IV.1, le calcul de la CCF τoptimale est essentiel à notre travail car il permet
l’estimation du débit de contrôle optimal du bioréacteur. La valeur de la CCF τoptimale
réelle est estimée par comparaison entre les simulation numériques et les résultats ex-
périmentaux.
Les tables IV.2,IV.3, IV.4, IV.5, IV.6 présentent le bilan des simulations et la proliféra-
tion cellulaire en fonction de la plage de CCF τoptimale et du débit volumique choisi.
Table IV.2 – Prolifération des cellules en fonction de la plage CCF τoptimale et débit volu-
mique choisi (1/5).
99
Partie IV. Débit volumique optimal : de la modélisation à la validation.
Table IV.3 – Prolifération des cellules en fonction de la plage CCF τoptimale et débit volu-
mique choisi (2/5).
Table IV.4 – Prolifération des cellules en fonction de la plage CCF τoptimale et débit volu-
mique choisi (3/5).
Table IV.5 – Prolifération des cellules en fonction de la plage CCF τoptimale et débit volu-
mique choisi (4/5).
100
3. Résultats.
Table IV.6 – Prolifération des cellules en fonction de la plage CCF τoptimale et débit volu-
mique choisi (5/5).
Les essais in vitro en bioréacteur ont été menés pour une durée de culture cellulaire
dynamique de 7 jours pour quatre débits d’entrée différents (Q1 = 0, 27 ml.min−1 ,
101
Partie IV. Débit volumique optimal : de la modélisation à la validation.
in vitro
500
450
400
350
Prolifération[%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min]
La comparaison avec les simulations numériques (tables IV.2, IV.3, IV.4, IV.5, IV.6)
indique que la plage de la CCF optimale se situe dans l’intervalle [10−4 ; 10−3.3 Pa].
Toutes les figures de comparaison entre prolifération cellulaire in vitro et prédictives
par modèle en fonction de la CCF optimale choisie sont présenté dans l’annexe B.
En supposant la nouvelle plage de contrainte optimale [10−4 ; 10−3.3 Pa], il est possible
de recalculer le taux de prolifération des cellules afin de la comparer avec les résul-
tats numériques. La synthèse de ces résultats est présentée dans la figure IV.13. On
constate que les résultats expérimentaux et numériques sont très proches, notamment
pour Q3 (erreur moyenne de 16,7 %). On en déduit que la plage de contrainte opti-
male conduisant à une optimisation de la culture cellulaire dans nos biocéramiques est
[10−4 ; 10−3.3 Pa].
102
4. Conclusion.
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min]
4 Conclusion.
Cette partie fait la synthèse des travaux théoriques et expérimentaux développés dans
les parties précédentes. Le modèle utilisé pour la simulation numérique est un modèle
multi-échelle, mixte entre l’échelle microscopique de l’extérieur de la biocéramique et
macroscopique de l’intérieur.
Le protocole numérique de détermination du débit optimal à l’entrée d’un bioréacteur
est présenté. Ce modèle numérique, initialement basé sur des considérations méca-
niques quant à l’écoulement du fluide et le transport d’oxygène dans le milieu poreux a
été associé à un modèle mathématique de la prolifération des cellules due à la consom-
mation d’oxygène par celles-ci.
Le modèle numérique a été testé pour 4 débits sur des cylindres de 6,3 cm3 et a montré
une prolifération de 410 % pour un débit de 0,55 ml/min. Les résultats expérimentaux
in vitro montrent des résultats proches des simulations numériques (prolifération cel-
lulaire de 457 %, soit 10 % d’écart) à débit équivalent ce qui valide notre protocole
numérique sur notre biocéramique.
103
Conclusion
Nous avons constaté dans la littérature un intérêt grandissant pour l’étude des pro-
tocoles numériques dédiés aux processus d’optimisation des biomatériaux utilisés en
culture cellulaire, particulièrement dans les études liées aux fluides. Les avancées théo-
riques permettant la simplification des modèles, la montée en puissance des stations
de travail et l’amélioration des codes de calcul en mécanique des fluides notamment
pour les phénomènes couplées, ouvrent de nombreuses perspectives dans ce domaine
des sciences appliquées. Les travaux menés s’inscrivent dans cette tendance.
105
Conclusion
Les travaux ont permis de déterminer les limites et les avantages de la mise en place
d’études numériques préalables à la mise en culture dynamique cellulaire dans une bio-
céramique. Les échantillons utilisés pour ces travaux correspondent à une forme bien
précise de microstructure mais le travail vise à des applications plus générales. La force
du protocole numérique développé est sa capacité à être adapté à de nombreuses mi-
crostructures (structurées, aléatoires, pores sphériques, fibres,...) ainsi qu’à tout type
de géométrie tridimensionnelle.
106
Conclusion
sites, sur des ordinateurs nécessitant peu de puissance de calcul en comparaison avec
les centrales dédiées. Le modèle numérique lui-même peut également être développé.
Le couplage mécanique des fluides avec la biochimie pourrait être amélioré en inté-
grant des effets plus complexes des nutriments sur le développement cellulaire. Validé
sur des ostéoblastes, le travail peut être orienté vers d’autres types de cellules que les
ostéoblastes.
Enfin, le processus d’optimisation lui-même, basé sur des conditions limites fixes, pour-
rait évoluer et intégrer des conditions limites variables dans le temps, voire plus com-
plexes (contrôle temporel en débit et en pression) nous amenant à réfléchir à une
nouvelle génération de bioréacteurs.
107
Références bibliographiques
109
Références bibliographiques
110
Références bibliographiques
[25] M.-T. Tsai, W. H.-S. Chang, K. Chang, R.-J. Hou, and T.-W. Wu, “Pulsed
electromagnetic fields affect osteoblast proliferation and differentiation in bone
tissue engineering,” Bioelectromagnetics, vol. 28, no. 7, pp. 519–528, 2007.
[26] A. R. A. Khaled and K. Vafai, “The role of porous media in modeling flow
and heat transfer in biological tissues,” International Journal of Heat and Mass
Transfer, vol. 46, no. 26, pp. 4989–5003, 2003.
[27] G. F. Pinder, Essentials of multiphase flow and transport in porous media. Ho-
boken, N.J. : : John Wiley & Sons, 2008.
[28] A. E. Scheidegger, The physics of flow through porous media. Toronto ; Buffalo
[N.Y.] : University of Toronto Press, 1974.
[29] M. Muskat, “The flow of homogeneous fluids through porous media,” Soil
Science, vol. 46, no. 2, p. 169, 1938.
[30] Z. Chen, Computational methods for multiphase flows in porous media. Phila-
delphia : : Society for Industrial and Applied Mathematics, 2006.
[31] D. A. Nield and K. Hooman, “Comments on "effects of viscous dissipation on the
heat transfer in forced pipe flow. part 1 : Both hydrodynamically and thermally
fully developed flow [energy conv. manage. 2005 ; 46 : 757-769] and part 2 :
Thermally developing flow [energy conv. manage. 2005 ; 46 : 3091-3202]" by o.
aydin,” Energy Conversion and Management, vol. 47, no. 18-19, pp. 3501–3503,
2006.
[32] K. Vafai, Handbook of porous media. Boca raton : Taylor & Francis, 2005.
[33] H. Darcy, Les fontaines publiques de la ville de Dijon. 1856.
[34] Y. Bachmat and J. Bear, “Macroscopic modelling of transport phenomena in
porous media. 1 : The continuum approach,” Transport in Porous Media, vol. 1,
no. 3, pp. 213–240, 1986.
[35] M. A. Biot, “General theory of three dimensional consolidation,” J. Appl. Phys.,
vol. 12 (2), 1941.
[36] M. A. Biot, “Theory of elasticity and consolidation for a porous anisotropic
solid,” J. Appl. Phys., vol. 26, 1955.
[37] O. Coussy, Mechanics of porous continua. Wiley, 1995.
[38] K. Boomsma, D. Poulikakos, and Y. Ventikos, “Simulations of flow through
open cell metal foams using an idealized periodic cell structure,” International
Journal of Heat and Fluid Flow, vol. 24, no. 6, pp. 825 – 834, 2003.
[39] R. M. Fand, B. Y. K. Kim, A. C. C. Lam, and R. T. Phan, “Resistance to
the flow of fluids through simple and complex porous media whose matrices are
composed of randomly packed spheres,” Journal of Fluids Engineering, vol. 109,
no. 3, pp. 268–273, 1987.
111
Références bibliographiques
[40] I. Kececioglu and Y. Jiang, “Flow through porous media of packed spheres
saturated with water,” Journal of Fluids Engineering, vol. 116, no. 1, pp. 164–
170, 1994.
[41] A. Dybbs and E. R. V., “A new look at porous media fluid mechanics darcy to
turbulent,” Fundamentals of transport phenomena in porous media, pp. 199–254,
1984.
[42] B. A and L. J, Aérodynamique : Théories de la Dynamique des Fluides. Cépaduès,
1989.
[43] C. Saturne, “A finite volume code for the computation of turbulent incompres-
sible flows - industrial applications,” International Journal on Finite Volumes,
vol. 1, 2004.
[44] S. Whitaker, The method of volume averaging. Theory and applications of
transport in porous media, v. 13, Dordrecht ; Boston : Kluwer Academic, 1999.
[45] H. Brinkman, “On the permeability of media consisting of closely packed porous
particles,” Applied Scientific Research, vol. 1, pp. 81–86, 1949.
[46] H. Brinkman, “A calculation of the viscous force exerted by a flowing fluid on a
dense swarm of particles,” Applied Scientific Research, vol. 1, pp. 27–34, 1949.
[47] N. D.A and A. Bejan, Convection in porous media. New-York : Soringer-Verlag,
1992.
[48] H. C.T and C. P, “The brinkman model for natural convection about semi-infinite
vertical flat plate in a porous medium,” International Journal of Heat and Mass
Transfer, vol. 28, pp. 663–697, 1985.
[49] K. M, “Non-darcian effects on natural convection in porous media confined
between horizontal cylinders,” International Journal of Heat and Mass Transfer,
vol. 29, pp. 1513–1519, 1986.
[50] A. F.M and a. M.H, “Fluid mechanics od the interface region between two porous
layers,” Appl. Math. Comp, vol. 128, pp. 37–43, 2002.
[51] P. M, N. V, and W. R.J, “Finite element modelling of flow through a porous
medium between two parallel plates using brinkman equation,” Transport in
Porous Media, vol. 63, pp. 71–90, 2006.
[52] S. Whitaker, “Flow in porous media i : A theoretical derivation of darcy’s law,”
Transport in Porous Media, vol. 1, no. 1, pp. 3–25, 1986.
[53] J. Klein Nulend, A. van der Plas, C. M. Semeins, N. E. Ajubi, J. A. Frangos, P. J.
Nijweide, and E. H. Burger, “Sensitivity of osteocytes to biomechanical stress in
vitro,” The FASEB Journal, vol. 9, pp. 441–445, Mar. 1995.
[54] J. Rubin, C. Rubin, and C. R. Jacobs, “Molecular pathways mediating mechanical
signaling in bone,” Gene, vol. 367, no. 0, pp. 1 – 16, 2006.
112
Références bibliographiques
113
Références bibliographiques
114
Références bibliographiques
115
Références bibliographiques
116
Références bibliographiques
117
Références bibliographiques
118
Références bibliographiques
119
Références bibliographiques
[135] S. Ergun, “Fluid flow through packed columns,” Chem. Eng. Prog., vol. 48, p. 89,
1952.
[136] S. Ergun and A. A. Orning, “Fluid flow through randomly packed columns and
fluidized beds,” Industrial & Engineering Chemistry, vol. 41, no. 6, pp. 1179–
1184, 1949.
[137] H. C. H. Rumpf and A. R. Gupte, “Einflüsse der porosität und korngrößenver-
teilung im widerstandsgesetz der porenströmung,” Chemie Ingenieur Technik,
vol. 43, no. 6, pp. 367–375, 1971.
[138] J. P. Plessis and J. H. Masliyah, “Mathematical modelling of flow through conso-
lidated isotropic porous media,” Transport in Porous Media, vol. 3, pp. 145–161,
1988. 10.1007/BF00820342.
[139] J. P. Plessis and J. H. Masliyah, “Flow through isotropic granular porous media,”
Transport in Porous Media, vol. 6, pp. 207–221, 1991. 10.1007/BF00208950.
[140] J. Prieur Du Plessis, “Analytical quantification of coefficients in the ergun equa-
tion for fluid friction in a packed bed,” Transport in Porous Media, vol. 16,
pp. 189–207, 1994. 10.1007/BF00617551.
[141] K. Takagi, T. Takahashi, K. Kikuchi, and A. Kawasaki, “Fabrication of bioce-
ramic scaffolds with ordered pore structure by inverse replication of assembled
particles,” Journal of the European Ceramic Society, vol. 30, no. 10, pp. 2049 –
2055, 2010.
[142] J. Tan, C. Chua, and K. Leong, “Fabrication of channeled scaffolds with ordered
array of micro-pores through microsphere leaching and indirect rapid prototyping
technique,” Biomedical Microdevices, pp. 1–14, 2012.
[143] R. B. Bird, W. E. Stewart, and E. N. Lightfoot, Transport phenomena. New
York : J. Wiley, 2002.
[144] M. Descamps, T. Duhoo, F. Monchau, J. Lu, P. Hardouin, J. Hornez, and A. Le-
riche, “Manufacture of macroporous beta-tricalcium phosphate bioceramics,” J.
Eur. Ceram. Soc., vol. 28, pp. 149–157, 2008.
[145] M. Descamps, O. Richart, P. Hardouin, J. Hornez, and A. Leriche, “Synthesis
of macroporous beta-tricalcium phosphate with controlled porous architectural,”
Ceramics International, vol. 34, pp. 1131–1137, 2008.
[146] M. Skoge, A. Donev, F. H. Stillinger, and S. Torquato, “Packing hyperspheres in
high-dimensional euclidean spaces,” Phys. Rev. E, vol. 74, p. 041127, Oct 2006.
[147] J. Malda, T. Woodfield, F. van der Vloodt, F. Kooy, D. Martens, J. Tramper,
C. Blitterswijk, and J. Riesle, “The effect of pegt/pbt scaffold architecture on
oxygen gradients in tissue engineered cartilaginous constructs,” Biomaterials,
vol. 25, no. 26, pp. 5773 – 5780, 2004.
120
Références bibliographiques
121
Références bibliographiques
122
Annexe A
QV ER =0.001ml/min QV ER =0.002ml/min
4 3
3.5
2.5
3
pourcentage de surface [%]
2
2.5
2 1.5
1.5
1
0.5
0.5
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.0001 mPa CCF[Pa], pas 0.0001 mPa
QV ER =0.004ml/min QV ER =0.006ml/min
2 1.6
1.8
1.4
1.6
1.2
1.4
pourcentage de surface [%]
1
1.2
1 0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.0001 mPa CCF[Pa], pas 0.0001 mPa
123
Annexe A. Distribution de CCF en système aléatoire.
QV ER =0.008ml/min QV ER =0.01ml/min
1.5 4
3.5
3
pourcentage de surface [%]
1.5
0.5
0.5
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.0001 mPa CCF[Pa], pas 0.001 mPa
QV ER =0.02ml/min QV ER =0.04ml/min
3 2
1.8
2.5
1.6
1.4
pourcentage de surface [%]
1.2
1.5 1
0.8
1
0.6
0.4
0.5
0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.001 mPa CCF[Pa], pas 0.001 mPa
QV ER =0.06ml/min QV ER =0.08ml/min
1.6 1.5
1.4
1.2
pourcentage de surface [%]
1
1
0.8
0.6
0.5
0.4
0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.001 mPa CCF[Pa], pas 0.001 mPa
124
QV ER =0.1ml/min QV ER =0.2ml/min
1.4 1.4
1.2 1.2
1 1
pourcentage de surface [%]
0.6 0.6
0.4 0.4
0.2 0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.001 mPa CCF[Pa], pas 0.001 mPa
QV ER =0.4ml/min QV ER =0.6ml/min
1.4 1.6
1.4
1.2
1.2
1
pourcentage de surface [%]
1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.001 mPa CCF[Pa], pas 0.01 mPa
QV ER =0.8ml/min QV ER =1ml/min
1.5 1.4
1.2
1
pourcentage de surface [%]
0.8
0.6
0.5
0.4
0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.01 mPa CCF[Pa], pas 0.01 mPa
125
Annexe A. Distribution de CCF en système aléatoire.
QV ER =2ml/min QV ER =4ml/min
1.4 1
0.9
1.2
0.8
1 0.7
pourcentage de surface [%]
0.5
0.6
0.4
0.4 0.3
0.2
0.2
0.1
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.01 mPa CCF[Pa], pas 0.01 mPa
QV ER =6ml/min QV ER =8ml/min
1.6 1.5
1.4
1.2
pourcentage de surface [%]
1
1
0.8
0.6
0.5
0.4
0.2
0 0
−8 −7 −6 −5 −4 −3 −2 −1 0 −8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.1 mPa CCF[Pa], pas 0.1 mPa
QV ER =10ml/min
1.4
1.2
1
pourcentage de surface [%]
0.8
0.6
0.4
0.2
0
−8 −7 −6 −5 −4 −3 −2 −1 0
10 10 10 10 10 10 10 10 10
CCF[Pa], pas 0.1 mPa
126
Annexe B
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
127
Annexe B. Prolifération pour les CCF optimales choisies.
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
128
Prolifération des cellules in vitro Prolifération des cellules in vitro
500 500
expérimentale expérimentale
450 numérique 450 numérique
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
129
Annexe B. Prolifération pour les CCF optimales choisies.
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min]
130
Prolifération des cellules in vitro Prolifération des cellules in vitro
500 500
expérimentale expérimentale
450 numérique 450 numérique
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
131
Annexe B. Prolifération pour les CCF optimales choisies.
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min]
132
Prolifération des cellules in vitro Prolifération des cellules in vitro
500 500
expérimentale expérimentale
450 numérique 450 numérique
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
133
Annexe B. Prolifération pour les CCF optimales choisies.
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min]
134
Prolifération des cellules in vitro Prolifération des cellules in vitro
500 500
expérimentale expérimentale
450 numérique 450 numérique
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
135
Annexe B. Prolifération pour les CCF optimales choisies.
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400 400
350 350
prolifération [%]
prolifération [%]
300 300
250 250
200 200
150 150
100 100
50 50
0 0
0 0.5 1 1.5 2 2.5 3 3.5 0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min] Débit volumique [ml/min]
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Débit volumique [ml/min]
136