Nguyen

2013
MÉMOIRE
présenté à
L’UNIVERSITÉ D’ARTOIS
pour l’obtention du grade de
Docteur de l’Université
Spécialité : Sciences pour l’ingénieur, option : Mécanique
par
Trong–Khoa NGUYEN
MODÉLISATION DE L’ÉCOULEMENT
DANS UNE BIOCÉRAMIQUE
À PORES SPHÉRIQUES INTERCONNECTÉS.
APPLICATION AUX BIORÉACTEURS.
Soutenu le 28 juin 2013 devant le jury composé de :
I. ROSCA, Professeur, Université de Brasov (Roumanie).

P. VANTOMME, Professeur, Université de Picardie. Rapporteurs
F. CHAI, Ingénieur de Recherche HDR, Université Lille 2.

O. CARPENTIER, Maître de Conférences, Université d’Artois.
Ph. HIVART, Professeur, Université d’Artois.
S. LEPRÊTRE, Chargé de projet, Eurasanté. Membres
Remerciements
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 tiens ensuite à exprimer ma gratitude au Professeur Philippe HIVART, mon direc-

teur de thèse. Je le remercie pour son soutien, aussi bien sur le plan scientifique que
personnel, ainsi que pour le temps qu’il m’a consacré pendant toute la durée de la thèse.
Je suis tout autant reconnaissant au Docteur Olivier CARPENTIER, qui a co-encadré
cette thèse ; il m’a fait profiter autant de ses connaissances et savoir-faire que de son
enthousiasme, de sa rigueur et de son ouverture d’esprit. Il a guidé mes premiers pas
à Béthune, m’aidant à m’installer dans une nouvelle ville et une nouvelle vie.
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.
Un grand merci aux membres du club de Badminton de Béthune, en particulier à M.

Jean-Marc VISEUR, président, qui m’a accueilli dans ce club où j’ai passé de bons et
agréables moments (avec, en plus, une champion cup !), me permettant une détente
propice à une concentration accrue dans le travail.
J’exprime enfin ma plus grande reconnaissance à ma famille et, en particulier, à ma

mère et ma sœur, qui ont toujours été d’un grand soutien moral tout au long de ces
années d’études.
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
Substitut osseux, biomatériaux hybrides, culture cellulaire, bioréacteur, modèle micro-

fluidique, milieu poreux, perméabilité, débit.
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
Résumé et mots-clés iii
Abstract and keywords v
Liste des figures xiii
Liste des tables xvi
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
3.2 Détermination de la perméabilité K. . . . . . . . . . . . . . . . 28

3.3 Détermination de la contrainte de cisaillement en culture cellu-
laire in vitro. . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Étude en 2D. . . . . . . . . . . . . . . . . . . . . . 30
3.3.2 Étude en 3D. . . . . . . . . . . . . . . . . . . . . . 31
4 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
II De l’identification numérique de la perméabilité. 35

1 Principaux modèles analytiques et empiriques de prédiction de la per-
méabilité. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
1.1 Modèle de Carman-Kozeny. . . . . . . . . . . . . . . . . . . . 36
1.2 Modèle d’Ergun. . . . . . . . . . . . . . . . . . . . . . . . . . 37
1.3 Modèle de Rumpf-Gupte. . . . . . . . . . . . . . . . . . . . . 38
1.4 Modèle analytique de Du Plessis. . . . . . . . . . . . . . . . . 39
2 Prédiction de la perméabilité par simulation numérique. . . . . . . . . 40
2.1 Méthode numérique. . . . . . . . . . . . . . . . . . . . . . . . 40
2.1.1 Méthode basée sur la forme mathématique de la loi
de Darcy. . . . . . . . . . . . . . . . . . . . . . . . 41
2.1.2 Méthode basée sur la forme expérimentale de la loi
de Darcy. . . . . . . . . . . . . . . . . . . . . . . . 42
2.2 Modèle numérique et structures périodiques. . . . . . . . . . . 43
2.2.1 Volume représentatif pour les structures périodiques. . 44
2.2.2 Modèle numérique avec gradient de pression imposé. . 44
2.3 Modèle numérique et structures aléatoires. . . . . . . . . . . . 46
2.3.1 Calcul du volume élémentaire représentatif. . . . . . . 46
2.3.2 Modèle numérique avec débit volumique imposé. . . . 49
3 Résultats des simulations numériques. . . . . . . . . . . . . . . . . . . 50
3.1 Validation du modèle avec gradient de pression imposé. . . . . 50
3.2 Validation du modèle à débit volumique imposé. . . . . . . . . 52
3.3 Structures à pores sphériques en système périodique. . . . . . . 53
3.3.1 Pores en système cubique simple. . . . . . . . . . . . 54
3.3.2 Pores en système cubique centré. . . . . . . . . . . . 55
3.3.3 Pores en système cubique à faces centrées. . . . . . . 57
3.3.4 Bilan des simulations des systèmes structurés. . . . . 57
3.4 Structure à pores sphériques en système aléatoire. . . . . . . . 58
4 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
III Prolifération cellulaire et vitesse de Darcy. 61

1 Prolifération cellulaire, contrainte de cisaillement du fluide et vitesse de
Darcy. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
viii
Table des matières
1.1 Prolifération cellulaire et contrainte de cisaillement du fluide. . 62

1.2 Contrainte de cisaillement du fluide et vitesse de Darcy. . . . . 63
2 Distribution de la contrainte de cisaillement du fluide à l’interface fluide-
structure. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.1 Rappel : définition de la contrainte de cisaillement du fluide
(CCF). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
2.2 Modèle numérique. . . . . . . . . . . . . . . . . . . . . . . . . 65
2.3 Résultats numériques : distribution des valeurs de CCF. . . . . 66
3 Identification de la distribution d’un intervalle des valeurs τ de CCF en
fonction du débit volumique Q. . . . . . . . . . . . . . . . . . . . . . 68
3.1 Méthode. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.2 Exemple d’étude sur une plage donnée [τ1 ; τ2 ]. . . . . . . . . . 69
3.3 Bilan des analyses . . . . . . . . . . . . . . . . . . . . . . . . 70
4 Relation entre CCF et vitesse de Darcy. . . . . . . . . . . . . . . . . . 72
4.1 Relation entre la vitesse de Darcy du VER et le débit volumique
Q. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.2 Fonction de distribution de CCF et vitesse de Darcy. . . . . . . 73
4.3 Valeur critique de la vitesse de Darcy. . . . . . . . . . . . . . . 74
5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
IV Débit volumique optimal : de la modélisation à la validation. 77

1 Processus de validation des études numériques. . . . . . . . . . . . . . 78
1.1 Cadre général de la validation. . . . . . . . . . . . . . . . . . . 78
1.2 Validation expérimentale : culture cellulaire in vitro. . . . . . . 81
1.2.1 Matériels . . . . . . . . . . . . . . . . . . . . . . . . 81
1.2.2 Méthodes. . . . . . . . . . . . . . . . . . . . . . . . 83
2 Prolifération des cellules : du modèle numérique à la simulation. . . . . 83
2.1 Phénomènes principaux au sein d’une biocéramique dans un
bioréacteur. . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.2 Prolifération des cellules et équations mathématiques. . . . . . 85
2.2.1 Équations d’écoulement du fluide biologique. . . . . . 85
2.2.2 Équation du transport d’oxygène. . . . . . . . . . . . 86
2.2.3 Équation de prolifération des cellules. . . . . . . . . . 87
2.2.4 Influence de la CCF τ sur la prolifération des cellules. 87
2.3 Conditions aux limites et conditions initiales du modèle. . . . . 89
2.3.1 Conditions aux limites. . . . . . . . . . . . . . . . . 89
2.3.2 Conditions initiales. . . . . . . . . . . . . . . . . . . 90
2.4 Simulation numérique. . . . . . . . . . . . . . . . . . . . . . . 91
2.4.1 Synthèse des équations à résoudre. . . . . . . . . . . 91
2.4.2 Couplage entre les équations. . . . . . . . . . . . . . 92
ix
Table des matières
2.4.3 Valeurs des paramètres et des constantes. . . . . . . 93

3 Résultats. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.1 Résultats numériques. . . . . . . . . . . . . . . . . . . . . . . 94
3.1.1 Résultat pour un choix de débit et de plage de CCF
τ optimale choisie. . . . . . . . . . . . . . . . . . . . 94
3.1.2 Prolifération en fonction de la CCF optimale. . . . . . 99
3.2 Résultats expérimentaux. . . . . . . . . . . . . . . . . . . . . 101
4 Conclusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Conclusion 105
Références bibliographiques 109
Annexes 123
A Distribution de CCF en système aléatoire. 123
B Prolifération pour les CCF optimales choisies. 127
x
Liste des figures
I.1 Projection dans le plan de base (001) de la structure de l’hydroxyapatite. 8

I.2 Protocole d’obtention d’un implant en biomatériau hybride. . . . . . . 12
I.3 Micro-environnement et stimuli in vitro d’une cellule. . . . . . . . . . . 12
I.4 Représentation microscopique d’un milieu poreux. . . . . . . . . . . . 14
I.5 Milieu poreux : échelles microscopique et macroscopique. . . . . . . . . 16
I.6 Distinction entre matrice solide et phase fluide dans l’approche micro-
scopique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
I.7 Création d’un milieu homogénéisé en approche macroscopique par su-
perposition d’un milieu solide et d’une phase fluide. . . . . . . . . . . . 19
I.8 Variation de porosité au voisinage du point x0 en fonction du volume
moyen de la sphère. . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
I.9 Attachement des cellules souches mésenchymateuses au sein d’un scaf-
fold collagène-GAG : (gauche) à plat, (droit) ponté. . . . . . . . . . . 32
II.1 Modèle numérique d’un VER, débit volumique imposé. . . . . . . . . . 43

II.2 De gauche à droite, systèmes cubique simple (CS), cubique centré (CC),
cubique à faces centrées (CFC). . . . . . . . . . . . . . . . . . . . . . 44
II.3 De gauche à droite : Unit Cell en systèmes CS, CC, CFC. . . . . . . . 44
II.4 Modèle numérique d’une UC. . . . . . . . . . . . . . . . . . . . . . . 45
II.5 Structure d’une biocéramique macroporeuse à pores sphériques inter-
connectés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
II.6 Empilement aléatoire de 500 pores sphériques. . . . . . . . . . . . . . 48
II.7 Détermination de la taille d’un volume élémentaire représentatif. . . . . 48
II.8 Volume élémentaire représentatif -à gauche 250 pores sphérique, à
droite 20 pores sphériques. . . . . . . . . . . . . . . . . . . . . . . . . 49
II.9 Cube en système cubique simple. . . . . . . . . . . . . . . . . . . . . 50
II.10 Maillage de Unit Cell du système. . . . . . . . . . . . . . . . . . . . . 51
II.11 Unit Cell du système 2D. . . . . . . . . . . . . . . . . . . . . . . . . 51
II.12 Comparaison des valeurs de la perméabilité adimensionnelle K ′ issues
de la simulation numérique et des modèles théoriques et empiriques (en
fonction de la porosité). . . . . . . . . . . . . . . . . . . . . . . . . . 52
xi
Liste des figures
II.13 Perméabilité K en fonction du gradient du pression pour des cubes

empilés selon un système cubique simple. . . . . . . . . . . . . . . . . 52
II.14 Géométrie du modèle. . . . . . . . . . . . . . . . . . . . . . . . . . . 53
II.15 Estimation de la perméabilité adimensionnelle K ′ en fonction de la po-
rosité. Biocéramique macroporeuse en système CS : pores de diamètre
580 µm et 600 µm. . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
rosité. Biocéramique macroporeuse en système CC : pores de diamètre
520 µm et 540 µm. . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
560 µm et 580 µm. . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
600 µm et 620 µm. . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
II.19 Perméabilité K en fonction du gradient de pression pour les trois sys-
tèmes CS, CC, CFC. . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
II.20 Perméabilité estimée K en système aléatoire selon le débit. Biocéra-
mique macroporeuse, diamètre des pores 600 µm. . . . . . . . . . . . 59
III.1 Modèle numérique pour le calcul de la distribution de CCF. . . . . . . 66

III.2 Distribution des valeurs de contrainte de cisaillement du fluide dans un
modèle 3D. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
III.3 Distribution de CCF dans un VER pour un débit volumique Q =
0, 01 ml/min. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
III.4 Pourcentage de surface soumise à une contrainte de cisaillement com-
prise entre τ1 = 5.10−5 Pa et τ2 = 5.10−4 Pa en fonction du débit
volumique Q. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
III.5 Comparaison des résultats numériques et de la fonction log-normal ajus-
tée. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
III.6 Pourcentage de surface en fonction du débit volumique : comparaison
entre résultats numériques et fonction d’ajustement. . . . . . . . . . . 71
III.7 Vitesse de Darcy en fonction du débit volumique. . . . . . . . . . . . . 72
III.8 Ajustement de la vitesse de Darcy en fonction du débit volumique. . . . 73
III.9 Comparaison de la fonction d’ajustement et des résultats des simula-
tions numériques pour la distribution des CCF optimales sur le VER. . 74
III.10 Comparaison de la fonction d’ajustement et du résultat de la simulation
numérique pour la distribution de CCF optimale en VER. . . . . . . . . 75
IV.1 Détermination du débit optimal par simulation numérique. . . . . . . . 79

IV.2 Détermination de la CCF τ optimale par simulation numérique. . . . . 80
xii
Liste des figures
IV.3 Structure étudiée : biocéramique macroporeuse à pores sphériques in-

terconnectés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
IV.4 Culture cellulaire dynamique : dispositif expérimental (bioréacteur d’es-
sai). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
IV.5 Influence de la prolifération cellulaire sur les phénomènes de transport
dans une biocéramique macroporeuse . . . . . . . . . . . . . . . . . . 85
IV.6 Influence de la vitesse de Darcy sur la prolifération (plage de CCF op-
timale [1.10−4; 5.10−4 ] Pa). . . . . . . . . . . . . . . . . . . . . . . . 89
IV.7 Schéma de la simulation numérique (à gauche), du dispositif expéri-
mental in vitro (à droite) en bioréacteur d’essai. . . . . . . . . . . . . 91
IV.8 Courbe de prolifération des cellules en fonction du temps et du débit. . 95
IV.9 Comparaison entre la distribution d’oxygène et la densité des cellules
dans la biocéramique en fonction du temps (1/2). . . . . . . . . . . . 96
IV.10Comparaison entre la distribution d’oxygène et la densité des cellules
dans la biocéramique en fonction du temps (2/2). . . . . . . . . . . . 97
IV.11Distribution de concentration d’oxygène dans le système en fonction
du temps. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
IV.12Prolifération cellulaire (essais in vitro) en fonction du débit volumique. 102
IV.13Comparaison de la prolifération cellulaire tirée des essais in vitro et de
la simulation numérique. . . . . . . . . . . . . . . . . . . . . . . . . . 103
xiii
Liste des tables
I.1 Principaux phosphates de calcium. . . . . . . . . . . . . . . . . . . . 7

I.2 Caractéristiques cristallographiques de l’hydroxyapatite. . . . . . . . . 8
I.3 Propriétés mécaniques moyennes des céramiques denses d’hydroxyapatite. 9
I.4 Méthodes numériques : Méthode des éléments finis (MEF), Méthode
des volumes finis (MVF), Méthode Lattice-Boltzmann (MLB) et mo-
dèle mathématique (MM). . . . . . . . . . . . . . . . . . . . . . . . . 33
II.1 Perméabilité adimensionnelle K ′ calculée pour une porosité égale à 0,5. 53

II.2 Variation de la porosité pour chaque modèle en accord avec les para-
mètres géométriques intrinsèques de la biocéramique étudiée (rayon des
pores : 260-300 µm, rayon des interconnexions : 30-70 µm). . . . . . . 54
II.3 Perméabilité adimensionnelle estimée K/d2. Biocéramique macropo-
reuse, système cubique à faces centrées (CFC), diamètres des pore
600 µm, diamètre d’interconnexion 100 µm (porosité environ 0,75). . . 57
II.4 Perméabilité estimé K en système aléatoire, diamètre des pores 600
µm avec deux débits volumiques différents. . . . . . . . . . . . . . . . 60
III.1 Effet de la CCF sur la culture cellulaire. . . . . . . . . . . . . . . . . . 62

III.2 Table des paramètres pour la distribution de CCF optimale en fonction
de l’intervalle de CCF optimale choisi. . . . . . . . . . . . . . . . . . . 70
IV.1 Valeurs des paramètres et des constantes utilisés pour la simulation

numérique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
IV.2 Prolifération des cellules en fonction de la plage CCF τoptimale et débit
volumique choisi (1/5). . . . . . . . . . . . . . . . . . . . . . . . . . 99
xv
Liste des tables

xvi
Nomenclature
η viscosité dynamique du fluide [kg.m−1. .s−1 ]

µ viscosité dynamique [N.m.s−2 ]
µe viscosité dynamique effective [N.m.s−2 ]
ν viscosité cinématique [m2 .s−1 ]
dp diamètre moyen des particules [m]
ρ densité du fluide [kg.m−3 ]
τ contrainte de cisaillement du fluide [Pa]
ε porosité du milieu poreux
~g accélération de la pesanteur [m.s−2 ]
CK constante de Kozeny
dp diamètre moyen des particules [m]
dp longueur caractéristique moyenne des pores [m]
ds taille des éléments cubiques de la phase solide associée à la notion de Cubic
Representative Unit Cell de Du Plessis
K perméabilité [m2 ]
K′ perméabilité adimensionnelle
p pression [Pa]
Q débit volumique [ml.min−1 ]
qi distribution de la taille des particules
RH rayon hydraulique [m]
Re nombre de Reynolds
S surface spécifique [m2 ]
xvii
Nomenclature
S0 surface spécifique de Carman [m2 ]

sw saturation
ST P surface totale des pores [m2 ]
U vitesse moyenne [m.s−1 ]
u vitesse du fluide [m.s−1 ]
uD vitesse de Darcy [m.s−1 ]
Vt volume total [m3 ]
Vv volume des vides ou volume occupé par le fluide [m3 ]
VT P volume total des pores [m3 ]
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.
Une céramique en phosphate de calcium (hydroxyapatite) à porosité contrôlée a été

mise au point au Laboratoire des Matériaux Céramiques et Procédés Associés (LMCPA)
de l’université de Valenciennes et du Hainaut-Cambrésis. Son architecture interne
consiste en macropores sphériques de quelques centaines de microns de diamètre in-
terconnectés les uns avec les autres. Pour créer un substitut osseux hybride, cette
biocéramique est ensemencée (insertion des cellules dans le matériau) puis mise en
culture dynamique dans un bioréacteur assurant la circulation d’un fluide dans ce ma-
tériau afin d’alimenter les cellules et d’évacuer leurs déchets.
Dans les études jusqu’ici réalisées, le choix du débit et de l’écoulement à travers la

biocéramique par les biologistes reste relativement empirique. Pour optimiser la culture
cellulaire dynamique en fonction de l’échelle de l’architecture interne de la biocéramique
choisie, il s’avère nécessaire de savoir déterminer les paramètres d’écoulement en tout
point de la céramique (vitesse, pression, contrainte, lignes de courant etc.) afin de pou-
voir les optimiser et les reproduire et, à terme, d’optimiser le choix de la biocéramique
elle-même. L’échelle de l’architecture, rendant aléatoire une approche expérimentale,
et l’absence dans la littérature de données adéquates sur la modélisation d’écoulements
dans des réseaux de sphères, il est proposé, sur la base des biocéramiques du LMCPA,
1
Introduction
d’en réaliser l’étude par modélisation numérique en mécanique des fluides.
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).
La première partie de ce mémoire est consacrée à l’étude bibliographiques des thé-

matiques majeures liées à la problématique de cette thèse, à savoir, les biomatériaux
hybrides, les écoulements en milieu poreux et la simulation numérique. Cette étude,
qui ne saurait être exhaustive tant le sujet est vaste, cible avant tout les problèmes
rencontrées lors de la culture cellulaire dynamique et son lien étroit avec la nature des
écoulements en milieux poreux et, finalement, la proposition de solutions d’optimisa-
tion via la simulation numérique. Y sont notamment présentés les paramètres clés à
connaître afin de commencer la construction du modèle numérique.
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
et III sur un modèle numérique global homogénéisé. Le protocole final d’optimisation

numérique de la culture cellulaire dynamique est détaillé. La validation de ce modèle
est ensuite discutée par confrontation des résultats numériques aux résultats expéri-
mentaux in vitro.
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.
Notre étude étant consacrée à la modélisation d’un écoulement dans

une biocéramique macroporeuse dans le but d’aider à sa colonisation
par des cellules, ces trois thèmes, biomatériaux hybrides, écoulement
en milieu poreux et simulation numérique, forment très logiquement
les trois chapitres de l’approche bibliographique.
Après l’exposé de quelques généralités sur les biomatériaux, sont

présentées les biocéramiques, constituant majeur des substituts osseux
et support de la culture cellulaire. Cette dernière est développée
dans le même chapitre, de même que son corollaire, le bioréacteur,
siège de cette culture dynamique et objet de notre application. Le
tout conduit ainsi à définir un biomatériau hybride et sa problématique.
La macroporosité et l’écoulement étant intimement liés, le deuxième

chapitre est consacré aux matériaux poreux et à l’écoulement de
fluides en leur sein. Approches (microscopique et macroscopique),
grandeurs caractéristiques (porosité, perméabilité et saturation) et
notions (volume élémentaire représentatif par exemple), issues de la
littérature, sont passées en revue.
Dans le troisième chapitre, sont abordées les méthodes et simu-

lations numériques appliquées à l’étude des cultures cellulaires en
bioréacteur et rencontrées dans la littérature. Après avoir évoqué
l’aspect expérimental, différents modèles (empiriques et analytiques)
et outils numériques sont exposés. L’accent est mis sur les paramètres
significatifs quant à la culture cellulaire dynamique. Une quantification
de certains facteurs, fournie par divers auteurs, est donnée.
La richesse des sources concernant ces thèmes a conduit à n’exposer

dans cette partie que les bases essentielles aux travaux ensuite dévelop-
pés afin d’en limiter le volume, la bibliographie comblant ce recentrage
volontaire.
5
Partie I. Etude bibliographique.
1 Biocéramiques et culture cellulaire.
1.1 Les biomatériaux.
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.
La caractéristique majeure est la biocompatibilité : le matériau et ses produits de dégra-

dation ne doivent pas provoquer de réactions inflammatoires, allergiques ou immuni-
taires, doivent être non toxiques, non mutagènes et non carcinogènes [2]. Remarquons
que les diverses méthodes de fabrication induisent différentes réactivités chimiques de
la surface : les matériaux ayant des compositions chimiques similaires n’ont donc pas
forcément les mêmes effets biologiques. Toute évaluation d’un biomatériau doit donc
inclure des tests de biocompatibilité : évaluation de la cytotoxicité par mesure de la
viabilité cellulaire, de la cytocompatibilité par l’étude de la prolifération, de la vitalité
et de la morphologie cellulaires etc.
Peu de matériaux connus satisfont initialement pleinement aux conditions requises
pour être implantés dans le corps humain. Le développement de nouveaux matériaux
offre aujourd’hui un large panel d’applications dans le domaine biomédical et nombre
de céramiques, métaux et polymères sont étudiés, mis au point ou modifiés dans ce but.
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.
1.2 Les biocéramiques.
Si certaines céramiques biocompatibles mais inertes sont utilisées comme biocéra-

miques (alumine, zircone), essentiellement pour les têtes de prothèses de hanche ou
le cotyle, l’intérêt pour des biocéramiques capables de réagir favorablement avec l’en-
vironnement biologique est patent. Les phosphates de calcium sont connus depuis
longtemps pour leur capacité à développer une interface parfaite avec l’os.
Les céramiques phosphocalciques (table I.1), en particulier le phosphate tricalcique β
(β–TCP, whitlockite, β–Ca3 (PO4 )2 ) et l’hydroxyapatite (HA,Ca10 (PO4 )6 (OH)2 ) sont
les composés les plus utilisés en tant que matériaux de substitution osseuse dans les
tissus durs ou pour toutes les applications impliquées dans la reconstruction osseuse.
Leur intérêt croissant est dû à leur excellente biocompatibilité, en particulier à leur
capacité d’ostéoconduction mais également à leur caractère bioactif qui les distingue
des céramiques bioinertes [3–5].
Table I.1 – Principaux phosphates de calcium [4, 6, 7].
Ca/P Composé Formule Acronyme

0.5 Monocalcium phosphate monohydrate Ca(H2 PO4 )2 · H2 O MCPM
0.5 Monocalcium phosphate anhydrous Ca(H2 PO4 )2 MCPA
0.5 Calcium metaphosphate Ca(PO3 )2 CMP
1 Dicalcium phosphate dihydrate CaHPO4 .2 H2 O DCPD
1 Dicalcium phosphate anhydrous CaHPO4 DCPA
1 Calcium pyrophosphate Ca2 P2 O7 CPP
1 Calcium pyrophosphate dihydrate Ca2 P2 O7 .2 H2 O CPP
1.33 Octacalcium phosphate Ca8 (HPO4 )2 (PO4 )4 .5 H2 O OCP
1.5 α-Tricalcium phosphate α–Ca3 (PO4 )2 α–TCP
1.5 β-Tricalcium phosphate β–Ca3 (PO4 )2 β–TCP
1.67 Hydroxyapatite Ca1 0(PO4 )6 (OH)2 HA
2.0 Tetracalcium phosphate Ca4 (PO4 )2 O TetCP
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
pour l’utilisation de cette biocéramique dans le domaine orthopédique. Ces céramiques

existent sous forme de blocs denses mais, aussi, sous forme macroporeuse favorisant
la repousse osseuse.
Les caractéristiques nominales de l’hydroxyapatite sont données dans la table I.2, la
figure I.1 en illustre la structure.
Table I.2 – Caractéristiques cristallographiques de l’hydroxyapatite.
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
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].
Table I.3 – Propriétés mécaniques moyennes des céramiques denses d’hydroxyapatite.
Theoretical density 3.156 g/cm3

Harness 500–800 vickers, 2000–3500 Knoop
Tensile strength 40–100 MPa
Bend strength 20–80 MPa
Compressive strength 100–900 MPa
1
Fracture toughness aprox. 1 MPa/m 2
Young’s modulus 70–120 GPa
Cependant, la présence nécessaire de pores interconnectés dans ces matériaux employés

comme substituts osseux, et devant donc être ostéoconducteurs, diminue de manière
drastique leurs propriétés mécaniques qui sont alors très inférieures aux valeurs données
ci-dessus pour les céramiques denses. Les valeurs obtenues, très variables en fonction du
type de céramique phosphocalcique étudié, sont de l’ordre de 50 MPa pour la résistance
à la traction et inférieures à 10 MPa pour la résistance à la compression [11, 13].
Ce manque de résistance mécanique compromet donc l’utilisation à long terme de
l’HA macroporeuse comme implant médical. L’hydroxyapatite est ainsi souvent utilisée
comme revêtement bioactif sur des implants ou renforcée par un métal ou par d’autres
phases céramiques. La solution aujourd’hui développée est de réunir les conditions
afin que la biocéramique soit remplacée par le tissu osseux naturel, l’hétérogénéité
mécanique disparaissant ainsi.
1.3 Culture cellulaire et bioréacteurs.
Quoique proche par sa composition de l’os naturel, une biocéramique phosphocalcique

n’en forme pas moins une discontinuité dans la structure osseuse où elle est implantée.
Si de très petits éléments peuvent être assimilés in situ et in vivo par un processus
9
naturel d’ostéogénèse, l’augmentation du volume implanté rend superficielle cette as-

similation ; ostéointégration et vascularisation sont alors négligeables et subsistent un
matériau intrinsèquement fragile formant barrière et une zone hétérogène, en particu-
lier mécaniquement.
Le rétablissement de la structure osseuse naturelle nécessite la colonisation cellulaire

de la céramique. Les cellules osseuses ou ostéocytes rétabliront la continuité : les os-
téoclastes en assimilant la biocéramique, les ostéoblastes en la remplaçant par de l’os
naturel. Dense, elle n’est pas accessible aux cellules, seule la surface pourra, éven-
tuellement, être colonisée. Macroporeuse, elle pourra l’être si la porosité est ouverte
interconnectée. En théorie du moins car, si quelques millimètres cubes le sont aisément
(solution déjà largement utilisée en orthopédie et traumatologie pour le traitement des
lacunes osseuses de petite taille), au delà d’un centimètre cube, les cellules arrivent
difficilement à cœur. Se posent ensuite le problème de leur accès aux nutriments, ou
plus exactement de l’accès des nutriments jusqu’aux cellules, et celui de l’évacuation
de leurs déchets. Faute de quoi, ces cellules mourront et l’intérieur de l’implant restera
céramique.
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
opérations nécessaires à leur survie et à leur développement et multiplication. C’est

un tel dispositif qui est appelé bioréacteur et qui remplit cette fonction et conduit à
une architecture spatiale uniforme des cellules. Il doit aussi permettre de stimuler les
cellules via des contraintes mécaniques ou des conditions spécifiques de cultures.
Nombre de dispositifs existent [14–19], créant un mouvement de rotation ou de trans-

lation relatives fluide/biocéramique. Par exemple, parmi la première technique, la plus
simple : le spinner flask, un agitateur magnétique au fond du flacon crée un environ-
nement dynamique autour des biocéramiques suspendues, ou une plus élaborée : le
rotating wall vessel bioreactor, le scaffold tourne dans le fluide. Le fluide peut être
également poussé (translation relative) dans la biocéramique : système par aspiration
ou par perfusion.
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.
Prolifération, développement et minéralisation des matrices extra-cellulaires sont trois

phases essentielles de la culture cellulaire in vitro [21]. Elles dépendent des conditions
de micro-environnement (figure I.3) telles que, par exemple, les stimuli mécaniques et
les interactions des cellules avec le substrat. Notons que ce dernier ainsi que le contact
entre cellules sont fortement dépendants de la structure du biomatériau et des condi-
tions de culture cellulaire.
11
Figure I.2 – Protocole d’obtention d’un implant en biomatériau hybride [20].
Figure I.3 – Micro-environnement et stimuli in vitro d’une cellule [22].
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.
Les supports biocéramiques à architecture tridimensionnelle destinés à former des bio-

matériaux hybrides via la colonisation cellulaire (supports couramment dénommés scaf-
fold ) sont par essence des matériaux poreux. Le chapitre qui suit est donc consacré à
ce type de structure et à l’étude de l’écoulement dans ce type de matériau.
2 Écoulement en milieux poreux.
2.1 Milieu 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.
La littérature scientifique en propose de nombreuses autres, plus ou moins orientées

selon la spécificité du domaine. Ainsi, un milieu poreux peut être :
– un volume de matériau constitué d’une matrice solide et de vides interconnectés [26],
– un milieu multiphasique constitué d’une phase solide relativement immobile devant
une des phases fluides (liquide ou gaz) et possédant des vides interconnectés acces-
sibles aux fluides [27],
– un solide contenant des pores qui sont des vides distribués de manière aléatoire
dans le milieu et parmi lesquels on distingue les « petits vides », dits « interstices
moléculaires » et les « très grands vides » dits « cavernes », les pores étant des
espaces vides reliant ces interstices moléculaires et cavernes [28],
– un corps contenant d’innombrables vides de tailles et de formes différentes qu’on
appelle « pores ». Chaque pore est relié à un micro-canal, le tout formant un réseau
d’interconnexions où un fluide peut circuler [29].
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
solide et de vides interconnectés ».
pores grains formant la

non connectés matrice solide
pores interconnectés
circulation du fluide
Figure I.4 – Représentation microscopique d’un milieu poreux.
2.1.2 Propriétés intrinsèques des milieux poreux.
Afin de pouvoir exprimer le volume de vide dans le matériau et caractériser le transport

du fluide dans ce milieu poreux, trois grandeurs doivent être définies :
– la porosité (ε),
– la perméabilité (K),
– la saturation (s).
La porosité est le rapport entre le volume des vides (Vv ) et le volume total (Vt ) [31].
Dans notre cas d’étude, nous considérons que la porosité et la porosité effective sont
les mêmes, c’est–à–dire que tous les pores sont interconnectés.
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
Les variations de perméabilité dépendent également de la structure du milieu poreux

et de la connexion entre les pores. La connaissance de ce paramètre est l’indispensable
point de départ de nos travaux.
2. Dans notre cas, on parle de « vitesse de Darcy », différente de la vitesse réelle du fluide en un
point donné.
14
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.
2.2 Écoulement en milieux poreux.
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
milieu macroscopique
milieu microscopique
quelques µm
supérieur à quelques cm
Figure I.5 – Milieu poreux : échelles microscopique et macroscopique.
Dans la pratique, les approches macroscopiques sont beaucoup plus répandues. La

difficulté, voire l’impossibilité, d’établir un modèle fiable tant du point de vue mi-
croscopique que macroscopique poussent généralement à ne considérer qu’une partie
du comportement du matériau. Les ordinateurs actuels, même puissants, ne peuvent
encore représenter une structure entière prenant en compte la microstructure du maté-
riau. L’étude de tels systèmes est encore cantonnée aux capacités des supercalculateurs.
C’est donc bien souvent par pragmatisme que sont réalisées des études macroscopiques,
les temps de calculs et les budgets liés à la simulation numérique étant alors raison-
nables.
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.
2.2.1 Écoulement d’un fluide à l’échelle microscopique.
A l’échelle microscopique, il y a une franche distinction entre la matrice solide et un

réseau de pores (figure I.6). Le fluide est considéré comme un milieu continu, la phase
fluide étant adjacente à la phase solide, elle–même séparée par une interface. Quand le
squelette de la matrice est considéré comme indéformable, ce qui est notre cas, l’étude
d’un tel écoulement se fait par une approche relevant de la mécanique des fluides.
16
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
– poreux à très grande porosité et structure solide bien définie :
ρ.U.dp
Re = (Eq.I.5)
µ
Dans ces équations (Eq.I.4) et (Eq.I.5),

– ρ est la densité du fluide [kg.m−3 ],
– U est la vitesse moyenne [m.s−1 ],
– dp est la longueur caractéristique moyenne des pores [m],
– µ est la viscosité dynamique [N.m.s−2 ].
En utilisant le nombre de Reynolds défini par la taille de pore, Fans et al [39] et
Kececioglu et Jiang [40] ont classé l’écoulement en milieu poreux selon trois régimes
différents :
– régime de Darcy : la force d’inertie est négligée,
– régime de Forchheimer : la force d’inertie est prise en compte,
– régime de Froud : la force d’inertie est dominante, l’écoulement du fluide devient
instable et chaotique.
Par contre, pour Dybbs and Adwards [41] , l’écoulement du fluide en milieu poreux
peut être distingué en quatre régimes :
– Re < 1 : régime de Darcy ; l’écoulement est seulement influencé par la géométrie
des pores car la force visqueuse est beaucoup plus grande que la force d’inertie,
17
– 1 < Re < 150 : régime d’écoulement d’inertie ; l’influence de la force d’inertie

devient importante,
– 150 < Re < 300 : régime laminaire instable,
– 300 < Re : régime instable et chaotique (turbulence).
La mécanique des fluides est une discipline aussi variée que les types de fluides à étudier.
Nous limitons les aspects bibliographiques de cette partie du chapitre au cas des fluides
newtoniens, cas dont relève notre étude. Dans un tel fluide, il existe une relation linéaire
entre le tenseur des contraintes visqueuses et le tenseur des déformations. La vitesse
de déformation du fluide (ou son taux de cisaillement) est directement proportionnelle
à la force appliquée. Le fluide physiologique utilisé dans les bioréacteurs correspond à
cette définition, d’où notre choix.
Les très faibles vitesses d’écoulement du fluide dans la biocéramique, la température

quasi-constante durant les essais ainsi que la nature même du fluide, très proche de
celle de l’eau, nous amènent naturellement à nous situer dans le cas d’un fluide in-
compressible. Les équations de Navier-Stokes, qui décrivent le mouvement d’un fluide,
sont alors définies comme suit [42] :
Équation de conservation de la masse (ou équation de continuité) :
div~u = 0 (Eq.I.6)
Équation de conservation de la quantité de mouvement (forme conservative) :

" #
∂~u −−−→ −−−→
ρ + ~u.grad ~u = ρ~g − gradp + µ△~u (Eq.I.7)
∂t
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].
2.2.2 Écoulement d’un fluide à l’échelle macroscopique.
L’approche macroscopique a été développée afin de s’affranchir de conditions d’études

particulièrement difficiles dans certaines approches microscopiques. En effet, dans cette
18
dernière approche, la complexité géométrique de la phase solide rend difficile la défi-

nition des conditions limites à l’interface solide-fluide (distribution aléatoire des pores,
complexité du réseau de pores interconnectés etc). De plus, il est actuellement ma-
tériellement impossible de résoudre des problèmes de ce type à grande échelle sans
moyens spécifiques 4 , sans oublier que les grandeurs physiques telles que la vitesse et
la pression ne sont pas mesurables à cette échelle [27] [34].
L’approche macroscopique propose un changement d’échelle du problème en substi-
tuant au milieu multiphasique réel un milieu poreux fictif à l’intérieur duquel les phases
solides et fluides sont superposées (figure I.7). On calcule ainsi des grandeurs moyennes
à travers un élément de volume. Cette méthode de changement d’échelle pour décrire
le milieu d’étude est bien connue sous le nom anglais de volume averaging (prise de
moyenne volumique).
matrice solide
phase fluide
Equations générales directement

établies sur le VER
Figure I.7 – Création d’un milieu homogénéisé en approche macroscopique par superposi-
tion d’un milieu solide et d’une phase fluide.
Équations de transport à l’échelle macroscopique.
L’introduction des équations de transport dans un milieu poreux amène à différencier

deux grandeurs moyennes appelées « grandeur moyenne superficielle » et « grandeur
moyenne intrinsèque ». Dans notre cas d’étude, à savoir un milieu poreux saturé consti-
tué d’une phase solide et d’une phase fluide (soit Vt = Vs + Vw avec Vt volume total,
Vs volume de la phase solide et Vw volume de la phase fluide), ces grandeurs moyennes
seront alors définies comme suit :
1
Z
Moyenne superficielle :hGw i = Gw .dV (Eq.I.8)
Vs w
1
Z
Moyenne intrinsèque :hGw iw = Gw .dV (Eq.I.9)
Vw w
4. Des supercalculateurs plutôt que des stations de travail seraient nécessaires.
19
où Gw représente une grandeur de la phase fluide (vitesse ou pression).
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)
et l’équation de conservation de la quantité de mouvement – loi de Darcy 5 :
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].
Notion de volume élémentaire représentatif.
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
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.
C’est dans ce cadre qu’apparaît la notion de Volume Élémentaire Représentatif (VER).

Le VER est une zone macroscopique permettant une transition entre les échelles micro-
scopique et macroscopique. Il est le plus petit volume représentatif du milieu poreux.
La problématique découlant de cette définition porte sur la taille du VER. Selon Pin-
der [27], « la taille du VER est choisie telle que les valeurs moyennes obtenues ne
varient pas sous l’effet d’un petit changement de la taille du volume élémentaire.» On
peut compléter cette notion par celle de Bachmat [34] qui précise que « la taille du
VER est déterminée par la porosité et la surface spécifique des vides du domaine. »
Connaissant la géométrie de la structure, un modèle de compacité peut dès lors être
élaboré. On y fait apparaître les variations de porosité pour un volume donné. Le but
est de parvenir à définir une taille de VER pour un matériau donné.
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
Figure I.8 – Variation de porosité au voisinage du point x0 en fonction du volume moyen

de la sphère.
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).
6. C’est–à–dire, pour notre cas d’étude, le diamètre des sphères.

7. Par exemple, la longueur du côté d’un élément cubique représentant une fraction du volume.
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.
3 Méthodes et simulations numériques appliquées à

l’étude des cultures cellulaires en bioréacteurs.
Comme il a été exposé dans le premier chapitre, le rôle des bioréacteurs est d’abord
d’assurer un environnement (température, pH) propice au développement des cellules
tout en permettant de les nourrir (nutriments et oxygène) et d’évacuer leurs déchets. Il
peut également permettre de les stimuler mécaniquement (contrainte de cisaillement,
pression), ces stimuli étant connus pour influer sur la vie de la cellule, de la différencia-
tion à la prolifération [23, 53]. En culture cellulaire dynamique, c’est l’écoulement du
fluide qui remplit ces tâches ; pour les cellules osseuses, on peut les résumer en trois
points : transporter les nutriments aux ostéocytes de la matrice minéralisée, évacuer
les déchets métaboliques, exercer des force physiques sur les cellules [54–56].
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
Trois mécanismes ont été proposés pour approcher l’influence de l’écoulement du fluide
sur les cellules osseuses.
La première approche prend en compte la contrainte de cisaillement du fluide, force tan-

gentielle générée par le gradient de vitesse de l’écoulement du fluide [57]. La deuxième
porte sur le transport des espèces chimiques (oxygène et nutriments) dans le fluide [58].
La troisième a recours à la notion de « potentiel de l’écoulement » [59].
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.
Sikavitsas et al [55] ont mis en évidence l’accroissement du « dépôt du calcium »

et de la matrice minéralisée quand la viscosité du fluide augmente. Plusieurs autres
recherches [62–65] ont montré qu’une contrainte de cisaillement de valeur comprise
entre 5 et 15 dyn/cm2 affecte la prolifération des ostéoblastes.
Nous pouvons donc en déduire que la contrainte de cisaillement est le principal méca-
nisme de stimulation des cellules par l’écoulement du fluide.
3.1 Méthodes d’étude de l’écoulement du fluide appliquées aux

cultures cellulaires in vitro.
Les phénomènes de transport se produisent à deux échelles : microscopique (pore et

cellule) et macroscopique (échafaudage biomatériaux ou scaffold ). Pour résoudre les
problèmes des phénomènes de transport à l’échelle du scaffold, les différentes méthodes
d’approche utilisées sont distinguées selon l’échelle d’étude : microscopique et macro-
scopique. Ces méthode pourront être alors expérimentales, numériques ou théoriques
(modèles).
24
3.1.1 Méthode expérimentale.
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.
3.1.2 Méthode numérique.
Grâce au développement des moyens de calculs et de leur puissance, les méthodes

numériques sont très développées de nos jours en mécanique des fluides en général
et pour l’étude de l’écoulement des fluides en particulier. Les limites des méthodes
expérimentales en font des outils très répandus grâce au développement des outils de
simulation numériques. Ces méthodes numériques permettent de comprendre et d’éva-
luer les phénomènes des transports et d’écoulement du fluide au niveau des pores où
on ne peut pas mesurer les paramètres importants tels que la contrainte de cisaille-
ment ou la pression. Il est patent [67] que « les conditions optimales du fluide pour
les bioréacteurs ne peuvent pas être obtenues par les méthodes trial and error mais
plutôt par les méthodes numériques. » L’avantage de ces méthodes est également de
pouvoir multiplier les calculs en modifiant les paramètres souhaités. Le gain de temps
est appréciable et les résultats, bien que prédictifs, sont proches de la réalité.
L’objectif de ces méthodes numériques est, en général, de caractériser l’écoulement du

fluide à travers le biomatériau en déterminant les paramètres importants (débit volu-
mique par exemple) pour le réglage des bioréacteurs. Pour caractériser l’écoulement
du fluide à travers le biomatériau, deux échelles sont, encore une fois, considérées.
L’étude à l’échelle microscopique de l’écoulement du fluide est réalisée à travers un
25
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].
L’étude à l’échelle macroscopique de l’écoulement du fluide est réalisée à travers

les équations Eq.I.11 et Eq.I.12 déduits par la méthode de volume averaging (prise
moyenne de volume) des équations de Navier-Stokes pour un volume élémentaire re-
présentatif.
26
A cette échelle, on peut caractériser la contrainte de cisaillement sur la surface exté-

rieure du biomatériau, le profil de vitesse moyenne ou estimer l’apport d’oxygène dans
le système mais ces informations au niveau des pores sont toujours invisibles car le
milieu poreux du biomatérau est considéré comme un milieu poreux continu [68,79,80].
L’étude numérique à l’échelle microscopique donne des informations de détail dans

tous les pores, mais, comme évoqué, on ne peut pas raisonnablement l’effectuer sur
un volume complet. Par contre, l’étude à l’échelle macroscopique donne des résultats
globaux et moyens sur tout le domaine mais pas d’information au niveau des pores.
La combinaison entre les échelles microscopique et macroscopique est donc une so-
lution visant à l’obtention de plus amples informations que pour chaque échelle prise
individuellement. Par exemple, la perméabilité K, représentant la facilité du fluide à
s’écouler à travers un milieu poreux tel qu’une biocéramique, peut être estimée par
cette combinaison [81–83]. Vossenberg et al ont réalisé une étude sur la relation entre
perméabilité et contrainte de cisaillement d’une structure régulière par le croisement
d’un calcul numérique à l’échelle microscopique (Comsol® ) et de l’équation de Darcy
généralisée. L’importance de la contrainte de cisaillement dans la croissance cellulaire
a ainsi été confirmée pour la culture in vitro en bioréacteur. La valeur critique de la
perméabilité a été discutée : pour K inférieure à 1 × 10−10 m2 , la contrainte de cisaille-
ment est trop élevée pour la culture cellulaire [84].
Actuellement, trois méthodes principales sont utilisées pour l’étude de l’écoulement du

fluide en bioréacteur : volume finis, élément finis et Lattice-Boltzmannn.
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 des volumes finis a pour principe le découpage du domaine considéré en

« volume de contrôle. » Les équations sont ensuite intégrées sur tous les volumes de
contrôle. Elles sont discrétisées sous forme d’intégrales en système d’équations algé-
briques qui sont finalement résolues par des méthodes itératives [86].
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
la méthode expérimentale. Elles aident à réduire le nombre d’essais expérimentaux et,

réciproquement, ceux-ci peuvent être utilisés pour valider les résultats numériques.
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].
Un autre modèle mathématique a été développé pour calculer la prolifération et la

différenciation des cellules souche humaine mésenchymateuses dans une structure po-
reuse sous des concentrations différentes d’oxygène [89].
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].
3.2 Détermination de la perméabilité K.
La perméabilité K est un paramètre important pour le milieu poreux en général. Il

est donc une caractéristique importante pour les biomatériaux ou pour les échaffau-
dages poreux utilisés en génie tissulaire car il est un facteur clé régissant les grandeurs
associées aux stimuli biologiques [23, 91]. Elle influe naturellement fortement sur le
transport des nutriments, des déchets [92–94] et sur le taux de dégradation dans
l’échaffaudage [95]. L’étude de la perméabilité a été réalisée pour plusieurs type de
tissus tels que l’os [93], le cartilage [94], le tissu tumoral [96,97] et d’échaffaudage tels
que les polymères synthétiques [95].
La perméabilité K ne dépend pas seulement de la porosité du matériau mais aussi de

sa microstructure : géométrie et distributions des pores et des interconnexions, orien-
tation par rapport à l’écoulement du fluide [98].
Elle dépend également de la chimie du matériau : influence des glycosaminoglycanes

(polysaccharides de la matrice extracellulaire) et du collagène [99], influence du ratio
sel/polymère pour les polymère synthétiques [95] etc.
En général, on mesure la perméabilité K du biomatériau selon deux méthodes, une di-
28
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].
Plusieurs modèle empiriques (Ergun, Carman-Kozeny etc.) et analytiques (Du Plessis

etc.) permettent d’accéder à la perméabilité en fonction de la porosité et de la struc-
ture des pores. De nos jours, les méthodes numériques sont de plus en plus utilisées
pour estimer cette perméabilité K, par exemple pour mettre au point un nouveau ma-
tériau. L’avantage est, bien sur, de pouvoir estimer la perméabilité en fonction des
microstructures (dimension des pores, des interconnexions, de la porosité etc.) sans
recourir à une méthode expérimentale toujours difficile et coûteuse.
Truscello et al ont prouvé que le modèle numérique basé sur la haute résolution des
images micro-CT donne une bonne estimation de la perméabilité K [83].
Singh et al ont étudié l’écoulement à travers un volume représentatif de titanium foam

pour prédire la perméabilité K. Le résultat estimé a ensuite été validé expérimentale-
ment [105].
En couplant méthode numérique et résultats expérimentaux, Dias et al ont établi une

relation entre perméabilité K, dimension des pores et porosité. Un scaffold présentant
une même porosité et une même structure géométrique peut ainsi avoir différentes
valeurs de perméabilité si la dimension des pores varie. Le changement de la taille de
pore sans modifier la porosité peut conduire à l’augmentation de la perméabilité K.
L’intérêt est alors que les propriétés mécaniques ne changent pas [106].
La méthode numérique et les modèles prédictifs seront présentés et détaillés dans la

deuxième partie de notre étude.
3.3 Détermination de la contrainte de cisaillement en culture

cellulaire in vitro.
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
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].
3.3.1 Étude en 2D.
Plusieurs recherches expérimentales ont porté sur l’effet de la contrainte de cisaillement

sur le détachement des cellules, la production de NO ou de prostaglandine, à l’aide
d’un dispositif à plaques parallèles ou à disque tournant. La valeur de contrainte de
cisaillement du fluide, en culture 2D de par les dispositifs, est estimée à l’aide des
paramètres physiologiques tirés des expérimentations sur les ostéocytes [121].
Pour le dispositif à plaques parallèles, on peut citer quelques exemples et résultats
représentatifs et quelques données chiffrées :
– 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
– 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.
3.3.2 Étude en 3D.
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
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].
Néanmoins, les procédés expérimentaux sont limités. La mesure expérimentale de la

vitesse locale, au niveau des pores en 3D, est en effet presque impossible actuellement.
Donc, la valeur de la contrainte de cisaillement l’est également. Les valeurs de CCF
sont donc principalement issues de l’application de méthodes numériques. De nom-
breux auteurs en ont proposé une détermination selon les matériaux, les architectures,
les cellules et les méthodes numériques utilisées. La table I.4 en présente quelques unes.
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).
Structure Méthode CCF τ [Pa] Effet Ref.

Pores sphériques MEF 3 − 8 × 10−3 ↑ prolifération Xu [127]
Pores sphériques, MLB 5 × 10−5 ↑ prolifération Porter [72]
1 × 10−3 ↓ viabilité
5, 7 × 10−2 mort
Cartilage chrondrocyte MEF 3 × 10−3 ↑ prolifération Raimondi [69]
Pores sphériques MVF 5,6-56×10−3 ↑ Prolifération Raimondi [74]
Foam MVF 0,256×10−3 ↑ viabilité Cioffi [128]
Pores sphériques MEF 0,009-0,013 ↑ prolifération Li [61]
0,004-0,007 ↑ prolifération
0,013-0,018 ↓ prolifération
Foam MEF 5 × 10−5 ↑ prolifération Sadino [75]
4 × 10−2 ↑ mort
Fiber titanium MM 0,01 Pa ↑ prolifération Sikasvitsas [113]
1 − 3 × 10−2 ↑ prolifération
Fiber nonwoven MM 5 × 10−3 ↑ prolifération Sikavitsas [129]
Matrice PET LBM 1 × 10−5 ↑ vitalité Zhao [115]
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.
A l’issue de l’étude bibliographique, présentée dans la partie

I, la perméabilité a été identifiée comme étant un paramètre
fondamental pour toute étude d’écoulement à travers un ma-
tériau. Elle est donc le premier facteur à déterminer et cette
étape de l’étude est la première phase à entreprendre. La dif-
ficulté, sinon l’impossibilité, d’accéder expérimentalement à
cette donnée physique conduit à envisager sa détermination
par des modèles et des méthodes numériques. Cette partie
présente ainsi tout d’abord les principaux modèles analytiques
et empiriques de prédiction de la perméabilité K d’un milieu.
Les résultats de l’application de ces modèles sont ensuite
comparés à ceux des simulations numériques menées dans le
cadre du calcul de la perméabilité d’une biocéramique macro-
poreuse à pores sphériques interconnectés. Cette étude vise à
établir la corrélation entre les données et la structure du mi-
lieu macroporeux et à valider les méthodes numériques d’une
part et la modélisation la plus adaptée à la représentation de
la biocéramique d’autre part. L’étude numérique comporte
ainsi deux phases. La première est l’identification de la taille
du volume élémentaire représentatif (VER). La seconde dé-
taille le protocole numérique utilisé pour l’identification de
la perméabilité du milieu selon le type d’arrangement géomé-
trique des pores.
35
Partie II. De l’identification numérique de la perméabilité.
1 Principaux modèles analytiques et empiriques de

prédiction de la perméabilité.
Toute étude d’un écoulement de fluide dans un milieu poreux à l’échelle macroscopique
nécessite la connaissance de la perméabilité du milieu. La connaissance de cette va-
leur est donc préliminaire à toute approche en mécanique des fluides généralisée pour
une biocéramique macroporeuse. Cet aspect fondamental de l’étude a conduit les phy-
siciens à développer depuis plusieurs dizaines d’années des modèles de prédiction de
cette perméabilité. Ils sont essentiellement basés sur des critères géométriques relatifs à
la structure macroscopique du milieu (packed bed, packed columns, metalfoam, roche,
sable, etc.) tels que les modèles de type Carman-Kozeny, Ergun ou Rumpf-Gumpte.
On trouve également, plus récemment, des modèles analytiques performants tels que
les modèles de Du Plessis.
Nous présentons dans cette section les principaux modèles utilisés pour des écoulements
de type laminaire adaptés à notre structure géométrique.
1.1 Modèle de Carman-Kozeny.
Le modèle de Carman-Kozeny [130–132] est basé sur la théorie du rayon hydraulique

et la théorie de Kozeny. Cette dernière est relative à la dimension de la perméabilité
considérée comme celle d’une surface (ou longueur au carré). Elle dépend alors d’une
longueur caractéristique, le rayon hydraulique, définie comme le rapport entre le volume
total et la surface totale des pores :
VT P
RH = (Eq.II.1)
ST P
D’après Kozeny (1927), la perméabilité K dépend de la structure géométrique du

milieu poreux. La théorie de Kozeny est fondée sur trois principes :
• Le milieu poreux est considéré comme un assemblage de canaux de sections pos-
sédant des formes géométriques complexes, mais dont la surface reste en moyenne
constante.
• Les équations de Navier-Stokes sont résolues simultanément pour tous les canaux,
pour un écoulement à travers les sections transversales de ces canaux.
• La perméabilité est exprimée par la relation entre la surface spécifique du milieu
poreux et son rayon hydraulique défini dans l’équation Eq.II.1.
36
1. Principaux modèles analytiques et empiriques de prédiction de la perméabilité.
L’équation de Kozeny s’écrit sous la forme suivante :
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.
En 1937, Carman a proposé une modification de l’équation de Kozeny grâce à ces

hypothèses. Cette nouvelle équation, nommée souvent équation de Carman-Kozeny,
s’écrit sous la forme suivante :
ε3
K= (Eq.II.3)
5.S02 (1 − ε)2
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
1.2 Modèle d’Ergun.
Reynolds [134–136], en 1900, a donné une expression de « perte de charge » (également

nommée chute de pression ou gradient de pression) d’un fluide à travers un lit granulaire.
Elle consiste en une somme de deux termes. Le premier est proportionnel à la vitesse
du fluide et le second au carré de la vitesse du fluide. Elle s’écrit sous la forme suivante :
37
∆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
où dp est le diamètre moyen des particules [m].
Si la vitesse de Darcy est faible 1 , on en déduit la perméabilité adimensionnelle K ′ :
K 1 ε3
K′ = = (Eq.II.8)
d2 150 (1 − ε)2
et donc la valeur de la perméabilité adimensionnelle K ′ du modèle Ergun est plus

grande que celle du modèle Carman-Kozeny.
1.3 Modèle de Rumpf-Gupte.
Le modèle de Rumpf-Gupte 2 [132,137] donne une relation des paramètres adimension-

nels : gradient de pression, viscosité cinématique, porosité, distribution de la taille des
particules, forme des particules.
!
∆P u D dp L
=f , , ε, qi, ψi , structure (Eq.II.9)
ρ.u2D ν dp
avec
∆P différence de pression pour une distance L donnée
ν viscosité cinématique
qi distribution de la taille des particules
ψ paramètre de forme des particules
dp diamètre moyen des particules
Pour le cas d’un empilement aléatoire de sphères uniformes, la formule précédente
1. On néglige le terme de second ordre.
2. Modèle phénoménologique du flux (phenomenological flow models).
38
1. Principaux modèles analytiques et empiriques de prédiction de la perméabilité.
prend la forme suivante :

5.5
2ε
K = dp (Eq.II.10)
5.6
La perméabilité adimentionelle K ′ de K s’écrit alors :
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.
1.4 Modèle analytique de Du Plessis.
Une généralisation de l’équation de Navier-Stokes pour l’écoulement des fluides à

travers un milieu poreux a été obtenue à partir des analyses de Du Plessis et Mas-
liyah [138, 139]. Ces analyses introduisent la notion de « Cellule Unitaire Cubique
Représentative » (Cubic Representative Unit Cell ) qui représente le plus petit cube à
l’intérieur duquel la méthode de volume averaging 3 peut être utilisée. Ce modèle est
basé sur les hypothèses suivantes [44] :
• 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.
La généralisation des équations de Navier-Stokes devient :

• pour la conservation de la masse :
divuD = 0 (Eq.II.12)
• pour la conservation de la quantité de mouvement :
∂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
longueur caractéristique), des propriétés du fluide (ρ,µ) et du débit spécifique.
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
• pour un écoulement pleinement développé et une vitesse d’entrée différente pour

chaque cross-section [140] :
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.
2 Prédiction de la perméabilité par simulation nu-

mérique.
2.1 Méthode numérique.
La prédiction de la perméabilité K par la simulation numérique est en générale basée

sur la loi de Darcy. Cette loi peut s’écrire sous deux formes :
40
2. Prédiction de la perméabilité par simulation numérique.
• sous forme mathématique
K Z
uD = − ∇P = ε udv (Eq.II.18)
µ
V
avec V volume du milieu poreux.

• sous forme expérimentale conformément à la forme originale :
Q.L K
= △P (Eq.II.19)
A µ
avec Q débit volumique, L longueur du milieu poreux considéré, A surface du milieu

poreux, △P perte de charge du fluide à travers le milieu poreux.
La valeur de la perméabilité est donc fortement conditionnée par la structure géomé-
trique microscopique. Estimer la perméabilité sur un milieu poreux complet nécessite
une très grande puissance de calcul, peu accessible à la majorité des laboratoires. Des
méthodes ont alors été naturellement développées afin de réduire le coût du calcul en
prenant un volume élémentaire de référence, le VER (Volume Élémentaire Représen-
tatif). Pour les milieux poreux ayant une structure microscopique périodique isotrope,
un volume élémentaire encore plus petit peut être choisi, l’UC (Unit Cell ).
On peut tirer des deux définitions de l’équation de Darcy le calcul de la perméabilité.
2.1.1 Méthode basée sur la forme mathématique de la loi de Darcy.
L’estimation de K peut être effectuée si on peut calculer la vitesse de Darcy dans

un volume élémentaire à partir d’un gradient de pression imposé. En sachant que
la perméabilité est un tenseur d’ordre 2, on développe toutes les composantes de
l’équation Eq.II.18 :
    
∂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
avec uDx ,uDy ,uDz composantes du vecteur vitesse de Darcy.
41
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
Algorithme 1 – Calcul de K basé sur la forme mathématique de la loi de Darcy.
Les 6 composantes du tenseur de perméabilité peuvent donc être identifiées.
Pour les milieux poreux isotropes, le tenseur K devient un scalaire. Le processus de

la prédiction de perméabilité K est donc réduit à une seule étape selon une direction
arbitraire. Le modèle numérique est présenté plus en détail dans la partie 2.2.2 du
chapitre II.
2.1.2 Méthode basée sur la forme expérimentale de la loi de Darcy.
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.
On peut faire l’hypothèse raisonnable qu’une distribution aléatoire de pores de même

dimension dans une biocéramique permet de supposer le milieu poreux comme isotrope.
Cette méthode est également applicable aux milieux structurés périodiques détaillés
dans le chapitre suivant.
Le calcul de perméabilité K est alors mené selon l’algorithme 2.
42
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®
Algorithme 2 – Calcul de K basé sur la forme expérimentale de la loi de Darcy.
2.2 Modèle numérique et structures périodiques.
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
2.2.1 Volume représentatif pour les structures périodiques.
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.
2.2.2 Modèle numérique avec gradient de pression imposé.
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
.
Figure II.4 – Modèle numérique d’une UC.
Un exemple détaillé de protocole de résolution des équations de Navier-Stokes peut

être le suivant, en cinq étapes, réalisé à l’aide d’un logiciel de type Ansys-Fluent® :
1. Création et maillage de la géométrie.

2. Importation du maillage dans le solveur numérique.
3. Configuration du solveur pour résoudre les équations de Navier-Stokes comme
suit :
• écoulement en régime stationnaire-laminaire,
• fluide incompressible,
• l’eau est choisie comme fluide (ρ = 1000 kg.m−3 , µ = 1×10−3 kg.m−1 .s−1 ),
• condition de non-glissement du fluide aux parois (vitesse nulle),
• condition périodique imposée aux 3 paires des surfaces de l’UC,
• gradient de pression 20 Pa.m−1 imposé à une des paires,
• schéma « SIMPLE » pour le couplage pression-vitesse,
• critère de convergence fixé à 10−6 pour tous les équations.
4. Calcul du champ de vitesses si le calcul a convergé.
5. Post-traitement des résultats en vue de l’identification de la perméabilité.
Notre étude concerne un écoulement de Stokes où les lignes des champs de vitesses
sont toujours parallèles. Ce régime d’écoulement implique un nombre de Reynolds
inférieur à 1.
ρ.uD .dp
Re = <1 (Eq.II.22)
µ
45
On en déduit, en fonction des paramètres du fluide, que la vitesse moyenne à travers

les pores doit satisfaire la condition suivante :
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
avec av surface spécifique, Sw surface mouillée, V volume de milieu poreux.
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 )
avec x = R/2 − r/2 et h = R − x/2
2.3 Modèle numérique et structures aléatoires.
2.3.1 Calcul du volume élémentaire représentatif.
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
La structure de la biocéramique est présentée dans la figure II.5. C’est un matériaux

de type hydroxyapatite (HA) volumique macroporeux à pores sphériques de diamètre
moyen 610 µm interconnectés, d’interconnexion de diamètre moyen 105 µm. Ces va-
leurs sont donc les valeurs de référence de nos travaux sur les biocéramiques [144,145].
De par le procédé de fabrication, la répartition des pores peut être considérée comme
aléatoire.
Figure II.5 – Structure d’une biocéramique macroporeuse à pores sphériques interconnectés.
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.
Le calcul de la taille du VER VV ER est effectué à partir du volume VEM P correspon-

dant à un empilement de 1000 sphères. En partant du centre de ce volume, on fait
grandir un volume élémentaire Vei de façon incrémentale (Vei+1 = αVei avec α > 1). A
chaque incrément, on établit la fraction de volume solide Vsi contenue dans le volume
élémentaire. Le volume élémentaire représentatif est identifié à partir d’une valeur de
compacité stable :
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
Figure II.6 – Empilement aléatoire de 500 pores sphériques.
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)
Figure II.7 – Détermination de la taille d’un volume élémentaire représentatif.
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
Figure II.8 – Volume élémentaire représentatif -à gauche 250 pores sphérique, à droite 20
pores sphériques.
2.3.2 Modèle numérique avec débit volumique imposé.
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.
Il y a donc deux modèles numériques à construire, le premier contenant le milieu

poreux et l’autre contenant juste le fluide. Le débit volumique imposé est identique
pour les deux milieux. La perte de charge du milieu poreux est calculée par : △P =
△P 2 − △P 1.
Le modèle numérique de résolution des équations de Navier-Stokes est similaire au cas

du gradient de pression imposé à la différence près que la condition périodique sur les
faces externes est remplacée par un débit volumique en entrée et une pression statique
de sortie (Pressure Outlet). Le protocole suivi pour le calcul est le suivant :
1. Création et maillage de la géométrie.
2. Importation du maillage dans le solveur numérique.
3. Configuration du solveur pour résoudre les équations de Navier-Stokes comme
suit :
• l’eau est choisie comme fluide (ρ = 1000 kg.m−3 , µ = 0, 001 kg.m−1 .s−1 ),
• condition débit imposé à l’entrée et pression relative nulle en sortie,
49
• gradient de pression 20 Pa.m−1 imposé à une des paires,

• critère de convergence fixé à 10−6 pour tous les équations.
4. Calcul des pertes de charge si le calcul a convergé.
5. Post-traitement des résultats en vue de l’identification de la perméabilité.
3 Résultats des simulations numériques.

Ce chapitre présente les résultats successifs des différentes simulations numériques me-
nées dans le but de valider un protocole d’identification numérique de la perméabilité,
et, le cas d’échéant, d’établir un modèle prédictif pour la structure de notre biocéra-
mique. On part logiquement de structure simple pour aboutir à une étude de structures
aléatoires.
3.1 Validation du modèle avec gradient de pression imposé.
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.
condition périodique (cp)
solide solide
cp fluide cp
solide solide
cp
. (a) (b) (c)
Figure II.9 – Cube en système cubique simple.
Les propriétés périodiques et isotropes du domaine permettent de réduire l’étude sur

une Unit Cell (figure II.9, II.10 et II.11). Comme précédemment, pour identifier la per-
méabilité K, il faut calculer le champ des vecteurs vitesse du fluide à travers le VER
sous un gradient de pression imposé. Le protocole appliqué est celui du chapitre 2.2.2.
L’identification de la perméabilité K a donc été effectuée pour des porosités de valeurs

0,2 à 0,8. Une comparaison (figure II.12) a été ensuite effectuée entre les valeurs de
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
Figure II.11 – Unit Cell du système 2D.
perméabilité identifiées et celles issues des modèles empiriques et théoriques couram-

ment employés (Ergun, Carman-Kozeny, Rumpf-Gupte et Du Plessis). La perméabilité
utilisée est la perméabilité adimensionnelle K ′ car elle permet une comparaison des
modèles qui ne dépend uniquement que de la porosité du milieu. Le protocole numé-
rique donne des résultats comparables aux modèles déjà établis. Il est validé ainsi en
première approche.
51
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
Figure II.12 – Comparaison des valeurs de la perméabilité adimensionnelle K ′ issues de la

simulation numérique et des modèles théoriques et empiriques (en fonction de la 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.
3.2 Validation du modèle à débit volumique imposé.
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
du système dans une direction donnée pour éviter les erreurs numériques liées à un
renversement de flux (backflow error).
Figure II.14 – Géométrie du modèle.
Le débit volumique imposé est Q = 6, 35 × 10−3 ml/s et la perméabilité estimée est

K = 2, 51 × 10−9 m2 après calcul numérique. La tableau II.1 montre que les résultats
issus de la simulation numérique sont également en accord avec ceux des modèles
théoriques et empiriques.
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
3.3 Structures à pores sphériques en système périodique.
Les protocoles définis précédemment pour le calcul de la perméabilité absolue et adi-

mensionnelle ont été appliqués à trois types de milieux macroporeux à pores sphériques
interconnectés différant selon le modèle de distribution des pores :
53
• modèle cubique simple

• modèle cubique centré
• modèle cubique à faces centrées
Le but de cette étude est de choisir le modèle le plus à même de modéliser notre
biocéramique. Les gammes de porosité associée aux différents modèles en fonction du
rayon des sphères et des interconnexions sont indiquées dans le tableau II.2.
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).
Système Porosité (ε) min - max

CFC 0,75 – 0,82
CC 0,69 – 0,756
CS 0,53 – 0,58
3.3.1 Pores en système cubique simple.
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
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
Figure II.15 – Estimation de la perméabilité adimensionnelle K ′ en fonction de la porosité.

Biocéramique macroporeuse en système CS : pores de diamètre 580 µm et 600 µm.
3.3.2 Pores en système cubique centré.
La porosité de ce système est très proche de celle de notre biocéramique. L’étude de

ce modèle est donc particulièrement intéressante. Les figures II.16 à II.18 montrent les
valeurs de K ′ obtenues par simulation numérique et issues des modèles théoriques et
empiriques.
55
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

Biocéramique macroporeuse en système CC : pores de diamètre 520 µm et 540 µm.
dp = 560 µm dp = 580 µm
0.045 0.045
Ergun Ergun
0.04 0.04
Carman−Kozeny Carman−Kozeny
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

dp = 600 µm dp = 620 µm
0.04 0.04
Ergun Ergun
0.035 Carman−Kozeny 0.035 Carman−Kozeny
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

56
3.3.3 Pores en système cubique à faces centrées.
L’estimation de perméabilité K dans le cas d’un système cubique à faces centrées a

uniquement été effectuée pour un diamètre de pores de 600 µm et un diamètre d’inter-
connexion de 100 µm. Cette combinaison conduit à la valeur de porosité du système
(≃ 0, 75) la plus proche de celle de nos biocéramiques (≃ 0, 65). Les autres combinai-
sons conduisent à des valeurs très supérieures, rendant l’étude non significative.
Les résultats sont présentés dans le tableau II.3.
Table II.3 – Perméabilité adimensionnelle estimée K/d2 . Biocéramique macroporeuse, sys-

tème cubique à faces centrées (CFC), diamètres des pore 600 µm, diamètre d’interconnexion
100 µm (porosité environ 0,75).
Système CFC K/d2

Numérique 0,008
Ergun 0,058
Carman-Korenzy 0,049
Rumpf-Gupte 0,043
Du Plessis 0,026
3.3.4 Bilan des simulations des systèmes structurés.
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.
Le système cubique centré montre une évolution de la perméabilité comparable aux

autres modèles bien qu’une corrélation directe ne soit pas possible. Il est par contre
possible pour ce modèle de substituer à la courbe un polynôme de degré 2 liant la
porosité à la perméabilité adimensionnelle avec une bonne corrélation :
2
16 2

′
K = −ǫ (Eq.II.25)
7 3
57
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.
3.4 Structure à pores sphériques en système aléatoire.
Le calcul de la perméabilité d’un matériau macroporeux à distribution aléatoire de pores

sphériques interconnectés est conduit selon le processus défini précédemment en 2.1
pour la méthode à débit imposé. Le modèle est composé d’un réseau de sphères de dia-
mètres 600 µm. Le diamètre des interconnexions permet d’agir sur la porosité du milieu.
Le domaine aléatoire est pris au centre d’un domaine composé de 512 sphères dont
on extrait une douzaine de sphères. Le débit imposé correspond à une vitesse d’entrée
de 0, 1 mm.s−1 . Les résultats du calcul de la perméabilité sont présentés en figure II.20.
58
−9
x 10
2.5
2 CC
Aléatoire
CS
1.5
K
0.5
0.7 0.71 0.72 0.73 0.74 0.75 0.76

Porosité
Figure II.20 – Perméabilité estimée K en système aléatoire selon le débit. Biocéramique
macroporeuse, diamètre des pores 600 µm.
Une relation entre la perméabilité K et la porosité ǫ sous la forme d’une équation de

Carman-Kozeny a été établie.
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.
Pour deux débits volumiques différents Q1 = 4, 8×10−3 ml/s et Q2 = 1.2×10−3 ml/s,

la valeur de la perméabilité ne varie que de 5 % (table II.4), ce qui sous-entend, comme
pour l’étude des systèmes structurés, qu’elle est une grandeur physique constante dans
nos conditions d’études.
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
Table II.4 – Perméabilité estimé K en système aléatoire, diamètre des pores 600 µm avec
deux débits volumiques différents.
Débit volumique Perméabilité K

4,782E-9 m3 /s 2,199E-10 m2
1,196E-9 m3 /s 2,09E-10 m2
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
Prolifération cellulaire et vitesse de

Darcy.
La perméabilité du milieu identifiée, il est possible de relier

la vitesse moyenne (la vitesse de Darcy) à une pression. La
vitesse de Darcy est représentative d’un état homogénéisé
d’une structure. La dispersion des valeurs de vitesse dans la
microstructure autour de la valeur de la vitesse de Darcy
conduit à déterminer la proportion de surface siège d’une
stimulation positive favorable à la prolifération des cellules.
La stimulation est le résultat d’une action du couple

pression-vitesse (ou pression-débit). Dans notre cas d’étude,
la pression est reliée à la contrainte de cisaillement du fluide
(CCF). C’est à partir de l’étude de la distribution de ces
zones de contraintes que l’on peut définir un critère de vi-
tesse d’entrée (ou débit d’entrée) optimale dans notre milieu.
Dans cette partie, nous présentons les études numériques me-

nées sur des volumes élémentaires représentatifs (VER). Les
couples pression-débit et pression-vitesse sont étudiés afin de
déterminer les critères optimaux quant à la prolifération cel-
lulaire.
61
Partie III. Prolifération cellulaire et vitesse de Darcy.
1 Prolifération cellulaire, contrainte de cisaillement

du fluide et vitesse de Darcy.
1.1 Prolifération cellulaire et contrainte de cisaillement du fluide.
Comme relevé en partie I de ce mémoire, la prolifération des cellules augmente en fonc-

tion de la contrainte de cisaillement du fluide (CCF). Il est alors possible d’observer
une valeur optimale ou une plage de valeurs optimales de la CCF pour lesquelles la
taux de croissance de la prolifération est maximal. Au delà de cette valeur maximale
de contrainte, les cellules sont nécrosées.
Il existe une bibliographie importante qui traite de l’influence de la contrainte de ci-

saillement in vitro sur la culture cellulaire. Les calculs et les expériences mettant en
évidence l’influence de la CCF sont pour la plupart effectués en deux dimensions. Les
études en 3D, plus récentes, sont en revanche beaucoup plus difficiles à mettre en
œuvre de par la complexité des structures poreuses étudiées et sont uniquement trai-
tées d’un point de vue numérique.
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.
Les résultats présentés, issus de la bibliographie, ne concernent que les architectures

en biomatériaux similaires à la nôtre (pores sphériques ou quasi-sphériques intercon-
nectés).
Table III.1 – Effet de la CCF sur la culture cellulaire.
CCF Effet Référence

1 × 10−5 Pa ↑ prolifération Zhao [115]
5 × 10−5 Pa ↑ prolifération Porter [72] et Sadino [75]
1 × 10−3 Pa ↑ Prolifération Porter [72]
5 × 10−3 Pa ↑ Prolifération Xu [127]et Li [61]
1.1 × 10−2 Pa ↑ Prolifération Li [61]
1.5 × 10−2 Pa Inhibition de la prolifération Li [61]
4 × 10−2 Pa nécrose cellulaire Sandino [75]
5.7 × 10−2 Pa nécrose cellulaire Porter [72]
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. »
1.2 Contrainte de cisaillement du fluide et vitesse de Darcy.
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
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.
2 Distribution de la contrainte de cisaillement du

fluide à l’interface fluide-structure.
Comme indiqué dans le chapitre précédent, le calcul de la distribution des CCF ne
peut être effectué qu’à partir d’un modèle numérique microscopique. On procède donc
à cette analyse sur un VER. Celui-ci est inclus dans un tube (figure III.1) et le fluide
traverse le milieu poreux suivant une direction donnée (entrée → sortie). L’écoulement
du fluide à travers le VER est décrit par les équations de Navier-Stokes. La vitesse et la
pression en chaque point de la structure sont calculées par la méthode des volumes finis
sous Fluent® . La contrainte de cisaillement du fluide est déduite de l’équation Eq.III.1.
La distribution des valeurs de contrainte de cisaillement est, au final, caractérisée par
64
2. Distribution de la contrainte de cisaillement du fluide à l’interface fluide-structure.
le pourcentage de la surface totale des parois où la valeur τ est comprise entre τ1 et

τ2 .
2.1 Rappel : définition de la contrainte de cisaillement du fluide

(CCF).
La contrainte de cisaillement d’un fluide newtonien incompressible peut s’exprimer sous

la forme générale :
∂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).
2.2 Modèle numérique.
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.
Le modèle numérique pour le calcul est construit comme suit :

1. création et maillage de la géométrie,
2. importation du maillage dans le solveur numérique,
3. configuration du solveur pour résoudre les équations de Navier-Stokes comme
suit :
• fluide de densité ρ = 893 kg.m−3 et de viscosité µ = 0.83×10−3 kg.m−1. .s−1 ,
• débit d’entrée Q choisi entre 0 et 10 ml.min−1 ,
• pression de sortie égale à la pression de fluide : Prelative = 0 Pa,
65
Débit entrée Q
Fluide
VER
Parois
Parois
Fluide
Sortie
Figure III.1 – Modèle numérique pour le calcul de la distribution de CCF.
• critère de convergence fixé à 10−6 pour toutes les équations.

4. calcul du champ de vitesses si le calcul à convergé.
5. post-traitement des résultats en vue de l’identification de la distribution de la
contrainte de cisaillement du fluide sur les parois.
2.3 Résultats numériques : distribution des valeurs de CCF.
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.
(1) τ entre 10−5 − 10−4 Pa
(2) τ entre 10−4 − 10−3 Pa
Figure III.2 – Distribution des valeurs de contrainte de cisaillement du fluide dans un

modèle 3D.
67
QV ER =0.01ml/min
4
3.5
pourcentage de surface [%]

2.5
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
Figure III.3 – Distribution de CCF dans un VER pour un débit volumique Q =

0, 01 ml/min.
3 Identification de la distribution d’un intervalle des

valeurs τ de CCF en fonction du débit volumique
Q.
3.1 Méthode.
A partir de la distribution des contraintes de cisaillement tirée de la simulation nu-

mérique pour un débit Q, les données sont confrontées à des valeurs seuils τ1 et τ2
(on suppose τ1 < τ2 ). La proportion PSv de surface Sτ v soumise à une contrainte de
cisaillement de valeur comprise entre les valeurs τ1 et τ2 par rapport à la surface totale
ST des parois est calculée :
Sτ v
PSv = × 100 (Eq.III.2)
ST
avec avec Sτ v définie sur l’intervalle [τ1 ; τ2 ].

La proportion PSv est calculée pour plusieurs débits volumiques Q de 0 à 10 ml.min−1 .
En testant plusieurs cas, on remarque que les valeurs de PSv suivent une fonction de
distribution de log-normal modifiée de la forme :
!2
1 ln(a.Q) − b
f (Q) = √ exp − √ (Eq.III.3)
(a.Q)c 2π c 2
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.
3.2 Exemple d’étude sur une plage donnée [τ1; τ2].
La figure III.4 montre la distribution des valeurs de la proportion PSv entre τ1 =

5.10−5 Pa et τ2 = 5.10−4 Pa en fonction de Q.
Pores sphériques en système aléatoire Pores sphériques en système aléatoire

70 70
CCF [5E-5;5E-4] Pa CCF [5E-5;5E-4] Pa
60 60
Pourcentage de surface [%]

50 50
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]
(1) Représentation log en x. (2) Représentation linéaire en x.
Figure III.4 – Pourcentage de surface soumise à une contrainte de cisaillement comprise

entre τ1 = 5.10−5 Pa et τ2 = 5.10−4 Pa en fonction du débit volumique Q.
L’ajustement entre les résultats numériques et la fonction de log-normal modifiée

(Eq.III.3) donne les valeurs des paramètres : a = 16, 2203, b = −0, 01367, c = 1, 1838.
La figure III.5 montre le résultat de l’ajustement.
[τ1 ; τ2 ]=[5E-5;5E-4] Pa
70
Numérique
Ajustement
60
Pourcentage de surface[%]
50
40
30
20
10
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10
Débit volumique [ml/min]
Figure III.5 – Comparaison des résultats numériques et de la fonction log-normal ajustée.
69
3.3 Bilan des analyses
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.
Intervalle CCF choisi [Pa] b c a

10−5 ; 5.10−5 0,1628 1,0386 199,9107
5.10−5 ; 10−4 0,8983 0,8405 171,9613
10−4 ; 5.10−4 0,1913 1,0090 20,3484
5.10−4 ; 10−3 0,8982 0,9021 15,84023
10−3 ; 5.10−3 0,2008 1,0286 1,9616
5.10−3 ; 10−2 0,8958 0,9749 1,2989
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.
[τ1 ; τ2 ]=[1E-5;5E-5] Pa [τ1 ; τ2 ]=[5E-5;1E-4] Pa

60 30
Numérique Numérique
Ajustement Ajustement
Pourcentage de surface[%] 50 25
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
50 25
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
(3) (4)
[τ1 ; τ2 ]=[1E-3;5E-3] Pa [τ1 ; τ2 ]=[5E-3;1E-2] Pa
60 30
50 25
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
(5) (6)
Figure III.6 – Pourcentage de surface en fonction du débit volumique : comparaison entre

résultats numériques et fonction d’ajustement.
71
4 Relation entre CCF et vitesse de Darcy.
4.1 Relation entre la vitesse de Darcy du VER et le débit vo-

lumique Q.
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
Cette relation est illustrée par la figure III.7.
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]
Figure III.7 – Vitesse de Darcy en fonction du débit volumique.
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 :
uD [m/s] = 0, 727 × 10−3 × Q [ml.min−1 ] (Eq.III.5)
VER - système aléatoire

1
10 simulation
ajustement
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]
Figure III.8 – Ajustement de la vitesse de Darcy en fonction du débit volumique.
4.2 Fonction de distribution de CCF et vitesse de Darcy.
La fonction de distribution de la CCF τ sur un intervalle [τ1 ; τ2 ] pouvant s’exprimer en

fonction de Q (table III.2), et la vitesse de Darcy pouvant l’être également ( Eq.III.5),
on peut alors établir une relation entre la fonction de distribution et la vitesse de Darcy :
a.uD !2
ln( 0.727×10
1 −3 ) − b
f (uD ) = a.uD
√ exp − √ (Eq.III.6)
( 0.727×10−3 )c 2π c 2
a, b, c sont des paramètres définis selon l’intervalle [τ1 ; τ2 ] choisi (par exemple, voir la
table III.2).
La figure III.9 présente la distribution sur un intervalle [τ1 = 5.10−3 Pa ; τ2 = 10−2 Pa]
des valeurs τ de la CCF en fonction du débit volumique et de la vitesse de Darcy
associée.
73
[τ1 ; τ2 ]=[5E-3;1E-2] Pa [τ1 ; τ2 ]=[5E-3;1E-2] Pa

30 30
25 25

20 20
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]
Figure III.9 – Comparaison de la fonction d’ajustement et des résultats des simulations

numériques pour la distribution des CCF optimales sur le VER.
4.3 Valeur critique de la vitesse de Darcy.
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.
Les modèles de fluide homogénéisés effectuent la résolution des équations de Navier-

Stokes et un des champs de solutions étudiés est celui des vitesses moyennes. La
fonction de distribution étant reliée à une vitesse moyenne, on peut définir, pour un
modèle entier, quels VER seront correctement cultivés et quels VER poseront problème.
Il s’ensuit la possibilité de procéder à des optimisations en jouant sur les paramètres
d’entrée pour maximiser la prolifération des cellules.
74
5. Conclusion
τ > 1,5.E-2 Pa
90
Numérique
Ajustement
80
70

60
50
40
30
20
10
0 −4 −3 −2 −1 0 1
10 10 10 10 10 10
Figure III.10 – Comparaison de la fonction d’ajustement et du résultat de la simulation

numérique pour la distribution de CCF optimale en VER.
Le calcul de la valeur critique du débit volumique correspondant à l’exemple de la fi-

gure III.10 donne Qc = 1, 69 ml.min−1 pour τ ≥ 1, 5.10−2 Pa. On en déduit facilement
la vitesse critique, soit :
uDc = 0, 727.10−3 × 1, 69 = 1, 223.10−3 m.s−1
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.
La plage de CCF liée à la prolifération cellulaire étant importante, un étude statistique

sur des intervalles réduits a montré qu’il existe une corrélation entre contrainte de
cisaillement du fluide et débit volumique sous la forme d’une loi log-normale apte à
caractériser la qualité de la culture cellulaire. Une relation entre débit local et vitesse
moyenne, dite vitesse de Darcy, a ensuite été établie sous la forme d’une relation linéaire
pour Q ∈ [0; 10] ml.min−1 . La relation entre la vitesse de Darcy et la distribution de
contrainte de cisaillement du fluide apparaît alors clairement et permet de relier les
effets de la CCF à l’échelle de la microstructure à la qualité de culture cellulaire à
l’échelle du VER et donc de la structure macroscopique.
75
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
Débit volumique optimal : de la

modélisation à la validation.
L’étude numérique sur un modèle global homogénéisé est
l’objet de cette partie et la finalité de cette étude. Basé sur
l’équation de Darcy, ce modèle suppose la connaissance de
la perméabilité K du milieu étudié ainsi que la relation entre
grandeurs microscopiques et grandeurs macroscopiques telle
que la relation entre le taux de mortalité des cellules en fonc-
tion d’une vitesse moyenne. Les fondamentaux nécessaires
aux calculs présentés dans cette partie ont été établis en par-
ties II et III.
Le modèle homogénéisé d’écoulement de fluide, purement
mécanique, a été associé à un modèle biologique simulant le
transport de nutriment dans la biocéramique afin de prédire
croissance et prolifération.
Le modèle final d’optimisation de la culture cellulaire est en-
suite comparé aux résultats de culture in vitro d’ostéoblastes
dans un bioréacteur d’essai dans le but d’une validation du
modèle numérique.
77
Partie IV. Débit volumique optimal : de la modélisation à la validation.
1 Processus de validation des études numériques.

Nos travaux portent sur la détermination du débit optimal à l’entrée d’un bioréacteur
afin que la prolifération des cellules soit elle-même optimale. En somme, il s’agit d’at-
teindre un rendement maximal à partir des cellules présentes dans la biocéramique. La
prolifération dépend de plusieurs facteurs. Les deux plus importants sont, d’une part,
la contrainte de cisaillement du fluide (étudiée en partie III) et, d’autre part, l’apport
des nutriments. Ces deux facteurs sont fortement influencés par l’écoulement du fluide.
L’étude des contraintes de cisaillement nous a orientés vers le choix du débit pour un
VER avec essentiellement le soucis d’une bonne stimulation cellulaire sans atteindre
le seuil létal. Dans cette partie, nous ajoutons la dimension globale de l’analyse avec
une étude sur des structures homogénéisés complètes, avec le soucis de vérifier à la
fois que la cellule ne subit pas de contraintes trop importantes mais également qu’elle
puisse se nourrir correctement.
1.1 Cadre général de la validation.
La détermination du débit optimal nécessite des simulations numériques et la connais-

sance préalable de la perméabilité K de la biocéramique. Il faut ensuite connaître les
plages optimales de contrainte de cisaillement du fluide (CCF) en reliant les informa-
tions entre la microstructure et la structure homogénéisée. L’identification de K et les
relations entre les différentes échelles de la structure ont été traitées dans les parties
II et III de ce mémoire. La figure IV.1 offre une synthèse des processus mis en place à
partir des méthodes présentées dans ce mémoire pour le calcul des débits optimaux.
L’existence d’une valeur optimale de la CCF quant à une bonne prolifération des cellules
est un fait patent relevé par les biologistes (partie I). Les recherches bibliographiques
montrent que cette valeur τ ⋆ n’est pas encore établie. Notre but est ainsi la validation
de simulations numériques par l’expérience afin de calculer τ ⋆ par la méthode présen-
tée dans l’organigramme de la figure IV.2 :
• La zone A représente la partie expérimentale du processus global qui fournit nos

résultats de références.
• La zone B correspond à la construction du modèle numérique qui se voudra la copie
virtuelle de l’expérience réalisée in vitro.
• La zone C est une sous-partie de la zone B correspondant au processus d’identifi-
cation des plages de CCF optimales tel que détaillé en partie III.
78
1. Processus de validation des études numériques.
Système Bioréacteur
Perméabilité K Modèle CCF (τ) optimale

(macrostructure) Macro-Micro (stimulation)
Débit Q1 Débit Q2 ... Débit Q(n-1) Débit Qn

Prolifération
des cellules
résultat numérique
f(Q1) f(Q2) ... f(Q(n-1)) f(Qn)
Prolifération
en fonction du débit f(Q)
Débit volumique
optimal
Figure IV.1 – Détermination du débit optimal par simulation numérique.
79
Expérimentation in vitro
zone A
Prolifération des cellules

résultat expérimental
zone B
oui Prolifération des cellules

CCF optimale
résultat numérique
non
outils de simulation numérique

Données
bibliographiques Choix d’une CCF τ optimale
Distribution de CCF τ
outils d’analyse
numérique
outils de simulation numérique
Modèle
Distribution de CCF τ optimale Macro-Micro
Système Bioréacteur
Modèle micro d’un

Biocéramique
V.E.R
zone C
Figure IV.2 – Détermination de la CCF τ optimale par simulation numérique.
80
1. Processus de validation des études numériques.
1.2 Validation expérimentale : culture cellulaire in vitro.
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).
Figure IV.3 – Structure étudiée : biocéramique macroporeuse à pores sphériques intercon-

nectés.
La culture cellulaire dynamique est réalisée en bioréacteur d’essai. Le système expé-

rimental (figure IV.4) consiste en un tube de polypropylène (hauteur 100 mm) dans
lequel est placée la biocéramique (ajustement glissant). L’ensemble est positionné dans
un flacon hermétique contenant 200 ml de fluide physiologique (la biocéramique est
ainsi saturée). La circulation du fluide physiologique est assurée par une pompe péris-
taltique branchée à l’entrée du tube, la sortie étant libre dans le flacon. Le système
assure le contrôle du débit volumique. L’alimentation de la biocéramique se fait donc
par les extrémités du cylindre, l’enveloppe latérale devenant une paroi étanche du fait
81
de l’ajustement.
Le tout est placé dans un incubateur (humidité : 100 %, température : 37 o C, concen-

tration en CO2 : 5 %).
divergence
convergence
pompe
biocéramique
Figure IV.4 – Culture cellulaire dynamique : dispositif expérimental (bioréacteur d’essai).
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.
60 cylindres en biocéramique sont utilisés, chacun est ensemencé par un système de

double seringue avec une densité de 3.106 cellules/ml (soit environ 8 millions de cel-
lules) et placé ensuite dans l’incubateur pendant 2 heures en culture statique pour
assurer l’attachement des cellules aux parois des pores de la biocéramique.
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.
La prolifération cellulaire est le critère retenu pour estimer le résultat de la culture

dynamique. Son évaluation est faite par le dosage total des protéines selon la méthode
suivante :
– débranchement de l’échantillon,
– rinçage à l’eau des tubes de la pompe péristaltique puis avec 50 ml de solution saline
EBSS,
– branchement de l’échantillon, rinçage à l’EBSS jusqu’à évacuation du fluide physio-
logique de l’échantillon, renouvellement de l’opération,
– rinçage de l’échantillon avec 20 ml de lysis buffer (à 18o C, pendant 30 minutes),
– centrifugation de 3,6 ml de lysis buffer,
– prélevement de 25 µl, dosage de la protéine par test BCA (Bicinchoninic acid).
2 Prolifération des cellules : du modèle numérique

à la simulation.
2.1 Phénomènes principaux au sein d’une biocéramique dans

un bioréacteur.
L’écoulement du fluide biologique, le transport des nutriments et des déchets et la proli-

fération des cellules sont les phénomènes principaux au sein d’une biocéramique placée
dans des conditions de culture cellulaire dynamique dans un bioréacteur (figure IV.5).
L’écoulement du fluide dépend principalement du débit volumique généré par la pompe.

Dans une biocéramique (macroporeuse), l’écoulement du fluide à l’intérieur des pores
dépend également de la structure du biomatériau (forme, taille des pores, intercon-
83
nexions...). Si le nombre des cellules attachées aux parois de la biocéramique augmente,

la structure des pores peut d’ailleurs être modifiée et l’écoulement à travers les pores
changé.
Le transport des nutriments est dû à la convection-diffusion dans le bioréacteur. Ces

phénomènes dépendent principalement de l’écoulement du fluide et sont conditionnés
par la vitesse d’absorption des nutriments par les cellules. Si le transport des nutriments
est rapide, la vitesse d’absorption des nutriments l’est également. Le résultat est alors
une croissance cellulaire élevée. Ce phénomène résulte en la diminution de la taille des
vides où le fluide biologique s’écoule. L’écoulement du fluide change et donc le profil
des vitesses (valeurs et directions) change également, ce qui a une influence directe
sur le transport des nutriments et donc sur la croissance cellulaire. Dans ce travail,
nous nous intéressons au transport d’un nutriment majeur : l’oxygène O2 , supposé,
dans notre condition de culture, principal nutriment responsable de la croissance des
cellules [147, 148].
La prolifération des cellules dépend de la présence de nutriments (ici l’oxygène) fournis

par le fluide biologique et de la stimulation due à l’écoulement du fluide (la contrainte de
cisaillement). Comme déjà évoqué, quand la taille et le nombre de cellules augmentent,
elles occupent une partie des vides de la biocéramique bien avant tout phénomène
ostéogénétique. La porosité et la perméabilité sont alors diminuées. La diminution de
la porosité influence directement l’écoulement du fluide à travers les pores ainsi que le
transport des nutriments au sein des pores.
Ainsi, ces phénomènes sont liés et leurs relations utiles à nos modélisations sont liées
par des équations mathématiques qu’il convient de détailler.
84
Biocéramique
perméabilité convection
porosité diffusion
écoulement nombre transport

du fluide des cellules des nutriments
prolifération
des cellules
Figure IV.5 – Influence de la prolifération cellulaire sur les phénomènes de transport dans
une biocéramique macroporeuse.
2.2 Prolifération des cellules et équations mathématiques.
2.2.1 Équations d’écoulement du fluide biologique.
La vitesse du fluide biologique dans un bioréacteur est très faible. L’écoulement du

fluide ressort donc d’un régime laminaire. Les équations mathématiques à résoudre
pour prédire l’écoulement du fluide sont alors :
• Les équations de Navier-Stokes en zone de fluide biologique à l’extérieur de la bio-
céramique :
∇~u = 0
" #
∂~u
ρ + (~u.∇) ~u = ρ~g − ∇p + µ△~u
∂t
• Les équations de continuité et de Darcy (ou Brinkman, extension de l’équation de

Darcy) à l’intérieure de la biocéramique (milieux poreux), respectivement :
L’équation de continuité : ∇~uD = 0

L’équation de Darcy : ∇P = Kµ .uD
L’équation de Brinkman : ∇P = Kµ .uD + µ∆uD
85
Ces équations ont été présentées en partie I (Eq.I.11, Eq.I.12, Eq.I.13).
2.2.2 Équation du transport d’oxygène.
Le transport des nutriments est modélisé par l’équation de convection-diffusion des

molécules dans le bioréacteur, soit pour l’oxygène O2 [143] :
∂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.
A l’extérieur de la biocéramique, on suppose qu’il n’y a pas de cellules, d’où
• RO2 est nulle,

~ est la vitesse du fluide ~u.
• V
A l’intérieur de la biocéramique, un modèle macroscopique est utilisé pour calculer

le phénomène de transport, c’est à dire que cette zone est considérée comme un milieu
continu avec les paramètres suivants :
• V ~ est la vitesse de Darcy uD ,
• DO2 devient une diffusion effective Def f,O2 , l’équation de Maxwell donnent la rela-
tion entre diffusion effective (en milieu poreux) et diffusion en milieu ouvert [44] :
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
ρcell la densité des cellules dans la biocéramique [cell.m−3 ],

Qm la vitesse maximale de consommation d’oxygène par la cellule
[mol.cell−1 .s−1 ],
Cm la concentration des molécules quand la vitesse de consommation d’oxy-
gène atteint la moitié de la vitesse maximale (constante de Michaelis)
[mM].
2.2.3 Équation de prolifération des cellules.
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].
2.2.4 Influence de la CCF τ sur la prolifération des cellules.
Dans ce travail, nous avons supposé que la vitesse de la prolifération cellulaire Rc

dépend seulement de deux paramètres indépendants : la contrainte de cisaillement du
fluide τ et la consommation d’oxygène (les autres nutriments étant en excès) par les
cellules. Nous avons donc la relation :
Rc = F (cO2 ) + F (CCF ).F (cO2 ) (Eq.IV.6)
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
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 :
foptimal = k.f (Q) (Eq.IV.8)

avec f (Q) la distribution des valeurs τ entre [τ1 ; τ2 ] dans un volume élémentaire re-
présentatif en fonction du débit imposé Q (partie III) et k facteur de croissance de
la prolifération due à la CCF. On choisi k=1, pour cette étude, en estimant que la
prolifération augmente d’un facteur f (Q) sous l’effet de la CCF comprise dans la plage
optimale [τ1 ; τ2 ]
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
uD = 0, 727 × 10−3 Q. On en déduit une relation entre fQ et uD .
L’utilisation de la fonction FCCF dans un code de calcul nous oblige à la convertir en

fonction continue afin de lever l’ambiguïté sur les bornes. Si l’on note uDmax la vitesse
de Darcy correspondant à τcritique , alors, dans notre cas, uDmax = 1, 223.10−3 m.s−1
(partie III) et la fonction F (CCF ) peut s’écrire sous la forme :

a.uD !2 
1 ln( 0.727×10−3 ) − b
1+F (CCF ) = G. 1 +

a.uD
√ exp − √  (Eq.IV.10)
( 0.727×10 −3 )c 2π c 2
avec
G = − (tanh(g.(uD − uDmax ) + 1)) (Eq.IV.11)

Le paramètre de contrôle g permet de moduler la transition entre les différents inter-
valles. Nous avons conventionnellement choisi g = 105 . L’influence de la vitesse de
Darcy sur la prolifération des cellules due à l’effet de la CCF est présentée dans la
figure IV.6.
CCF optimale choisie [1e-4;5e-4] Pa

2
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).
2.3 Conditions aux limites et conditions initiales du modèle.
2.3.1 Conditions aux limites.
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
conditions aux limites suivantes.
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.
Interface entre parois-fluide et parois-biocéramique :

• Vitesse nulle aux interfaces : u = 0,
• flux normal de concentration d’oxygène nul : ~n.∇CO2 = 0.
Interface entre fluide et biocéramique :

• Vfluide = VBiocéramique ,
• Pfluide = PBiocéramique ,
• équation de continuité pour la concentration :
~φ .CO2 ,φ − Dφ .∇CO2 ,φ ) = ~n.(V

~n.(V ~Bio .CO2 ,Bio − DBio .∇CO2 ,Bio ) (Eq.IV.12)
où φ désigne la phase fluide et Bio désigne la biocéramique.
2.3.2 Conditions initiales.
Une vitesse nulle est imposée à tout le modèle à l’instant t = 0. La concentration en

oxygène est inférieure de 75 % dans la partie fluide dans la biocéramique par rapport
à la partie fluide hors de la biocéramique. On suppose une consommation préalable de
l’oxygène par les cellules durant la phase de culture statique dans le bioréacteur.
90
2.4 Simulation numérique.
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)
Figure IV.7 – Schéma de la simulation numérique (à gauche), du dispositif expérimental

in vitro (à droite) en bioréacteur d’essai.
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.
2.4.1 Synthèse des équations à résoudre.
Les systèmes d’équations aux dérivées partielles à résoudre peuvent être distingués
selon le milieu :
91
soit 3 équations en fluide biologique :
∇~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
Rc = (1 + F (CCF )).F (cO2 ) (Eq.IV.15a)


a.uD !2 
1 ln( 0.727×10 −3 ) −b
1 + F (CCF ) = G. 1 + a.uD
√ exp − √ 
( 0.727×10 −3 )c 2π c 2
(Eq.IV.15b)
G = − (tanh(g.(uD − uDmax ) + 1)) (Eq.IV.15c)
cO 2
FcO2 = Fcmax (Eq.IV.15d)
Kc .ρcell .Vc .ρc + cO2
cO 2
RO2 = −ρcell Qm (Eq.IV.15e)
cm + cO 2
2ǫ
Def f,O2 = DO2 . (Eq.IV.15f)
3−ǫ
2.4.2 Couplage entre les équations.
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.
En effet, lorsque le nombre de cellules augmente, la porosité du milieu diminue, ce qui

influe sur la valeur de la perméabilité. L’écoulement du fluide dans la biocéramique
étant gouverné par l’équation de Brinkman (ou Darcy), cela induit une variation de la
92
vitesse de Darcy dans le milieu poreux.
Une variation de la vitesse de Darcy implique également une perturbation du transport

de l’oxygène dans la biocéramique.
Enfin, afin de simplifier ces relations, la quantité d’oxygène du réservoir est supposée
être largement supérieure au besoin en oxygène des cellules.
• La relation entre le perméabilité K et la porosité ǫ est représentée sous la forme

d’une équation de Carman-Kozeny (partie II) :
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.
• La porosité du milieu poreux à l’instant t est exprimée par la relation :
ǫ(t) = ǫinitial − ρcell (t).Vc (Eq.IV.17)
Le développement en série de Taylor donne : e−x ≃ 1 − x pour x ≪ 1. Notons que

ρcell (t).Vc ≪ 1, nous pouvons donc écrire ǫ sous le format suivante :
ρcell (t).Vc
−
ǫ(t) = ǫinitial .e ǫinitial
(Eq.IV.18)
2.4.3 Valeurs des paramètres et des constantes.
• La porosité de la biocéramique est extraite des mesures expérimentales pendant la

phase de fabrication [144].
• Les propriétés physiques du fluide biologique (viscosité dynamique µ, densité du
fluide ρ) sont extraites de la bibliographie : Chung et al [154], Gosgnach et al [157].
• La concentration d’oxygène contenue dans le fluide biologique est estimée par la loi
de Henry [149].
• La densité spécifique d’une cellule MG63 est estimée en fonction d’une densité
moyenne basée sur les travaux de Grover et al [158] et Burg et al [159].
• Le volume spécifique d’une cellule MG-63 est extrait des mesures effectuées par
Docheva et al [160].
• La vitesse de prolifération maximale est donnée par l’étude expérimentale de la
prolifération de MG-63 sur HA par Ko et al [161].
93
• La densité de cellules initiales est la densité utilisée pour la vérification expérimen-

tale.
• Les autres paramètres sont extraits des travaux cités précédemment.
Table IV.1 – Valeurs des paramètres et des constantes utilisés pour la simulation numérique.
ǫ (initiale) 0,68 Descamps et al [144]

ρ 893 [kg.m−3 ] Chung et al [154]
µ 0, 00083 [Pa.s] Chung et al [154], Gosgnach [157]
DO 2 1, 4 × 10−5 [cm2 /s] Haselgrove [149]
cO2 (t = 0) 0, 199 [mol.m−3 ] Richardson [162] et Obradovic [150]
cm 0, 0058 [mM] Haselgrove [149]
Qm 16, 3 × 10−18 [mol/cell/s] Wagner [163] et Herst [164]
ρc 1072 − 1086 [kg.m−3 ] Grover et al [158] et Burg [159]
Vc 2, 801 × 10−18 [m3 ] Docheva et al [160]
ρcell (t = 0) 3 × 106 [cells.ml−1 ] valeur d’essai in vitro GRB, Dr. CHAI
Fcmax 1, 337 × 10−6 [s−1 ] Ko et al [161], Kim et al [165]
Kc 0, 154 Chung et al [154]
Rd 3, 85 × 10−7 [s−1 ] Chung et al [154]
Rmax 5 × 10−14 [cell.m−3 ] Landman [166], Croll [167]
Dcell 5 × 10−9 [cm2 .s−1 ] Landman [166], Croll [167]
3 Résultats.
3.1 Résultats numériques.
3.1.1 Résultat pour un choix de débit et de plage de CCF τ optimale choisie.
Les résultats numériques sont complètement dépendants du débit initial et de la

plage des contrainte de cisaillement du fluide τoptimale choisie. Dans cette section,
nous détaillerons uniquement les résultats pour un exemple : Q = 0, 5 ml.min−1
et τoptimale ∈ [10−3.8 − 10−3.3 Pa]. Le procédé étant analogue pour d’autres débits et
plages de contrainte, un tableau récapitulatif est présenté dans la section suivante.
Le modèle numérique étant en 2D axisymétrique, la courbe de prolifération ne donne

pas le nombre exact de cellules mais permet d’en déduire un taux de croissance du
nombre des cellules. Les résultats numériques montrent, par exemple, un taux de crois-
sance de 400 % après 7 jours de culture (figure IV.8).
94
3. Résultats.
Dans la biocéramique, la cartographie des densités cellulaires en fonction du temps

donne la variation de distribution des cellules, valeur que l’on peut mettre en relation
avec la distribution des concentrations en oxygène (figures IV.9, IV.10). On remarque
logiquement que, pour un état initial homogène, l’évolution de la concentration de
cellules se fera aux endroits les plus riches en oxygène.
Dans le système complet, on observe naturellement un appauvrissement de la concen-

tration en oxygène en fonction du temps (figure IV.11). En effet, l’oxygène est consommé
au fur et à mesure de la circulation du fluide dans un système possédant une concen-
tration initiale non renouvelée.
Prolifération des cellules

400
Débit 0,27 ml/min
Débit 0,55 ml/min
350
Débit 1 ml/min
Débit 3 ml/min
Prolifération [%]
300
250
200
150
100
0 1 2 3 4 5 6 7
Temps [jour]
Figure IV.8 – Courbe de prolifération des cellules en fonction du temps et du débit.
95
(1) cO2 , t=1 jour (2) ρcell , t=1 jour
(3) cO2 ,t=2 jours (4) ρcell , t=2 jours
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.
(1) cO2 , t=5 jour (2) ρcell , t=5 jour
Figure IV.10 – Comparaison entre la distribution d’oxygène et la densité des cellules dans
la biocéramique en fonction du temps (2/2).
97
(1) t=0 jour (2) t=2 jours
(3) t=3 jours (4) t=4 jours
(5) t=6 jours (6) t=7 jours
Figure IV.11 – Distribution de la concentration d’oxygène dans le système en fonction du

temps.
98
3. Résultats.
3.1.2 Prolifération en fonction de la CCF optimale.
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).
τ optimale [Pa] Prolifération [%]

0,27 ml/min 0,55 ml/min 1 ml/min 3 ml/min
10−4,6
− 10−4.5
177 176 176 176
10 −4,5
− 10−4,4 180 176 176 176
10−4,4 − 10−4,3 183 177 176 176
10−4,3 − 10−4,2 188 178 176 176
10−4,2 − 10−4,1 195 181 177 176
10−4,1 − 10−4,0 203 184 177 176
10−4,0 − 10−3,9 210 188 179 176
10−3,9 − 10−3,8 213 194 181 176
10−3,8 − 10−3,7 218 201 185 176
10−3,7 − 10−3,6 220 209 190 176
10−3,6 − 10−3,5 214 214 197 178
99
mique choisi (2/5).

10 −4,6
− 10 −4,4
182 176 176 176
10 −4,5
− 10−4,3 188 177 176 176
10−4,4 − 10−4,2 196 179 176 176
10−4,3 − 10−4,1 209 183 177 176
10−4,2 − 10−4,0 225 189 178 176
10−4,1 − 10−3,9 238 197 181 176
10−4,0 − 10−3,8 246 208 185 176
10−3,9 − 10−3,7 251 222 191 176
10−3,8 − 10−3,6 255 240 200 177
10−3,7 − 10−3,5 252 255 213 179
10−3,6 − 10−3,4 247 266 230 182
mique choisi (3/5).
τ optimael [Pa] Prolifération [%]

10 −4,6
− 10 −4,3
191 178 176 176
10 −4,5
− 10−4,2 202 180 176 176
10−4,4 − 10−4,1 219 184 177 176
10−4,3 − 10−4,0 239 192 179 176
10−4,2 − 10−3,9 253 204 182 176
10−4,1 − 10−3,8 261 218 187 176
10−4,0 − 10−3,7 266 239 195 176
10−3,9 − 10−3,6 269 264 207 177
10−3,8 − 10−3,5 269 292 224 179
10−3,7 − 10−3,4 267 315 249 183
10−3,6 − 10−3,3 262 328 278 191
mique choisi (4/5).
100
3. Résultats.

10−4,6
− 10−4,2
205 180 176 176
10 −4,5
− 10−4,1 225 185 177 176
10−4,4 − 10−4,0 246 194 179 176
10−4,3 − 10−3,9 260 208 183 176
10−4,2 − 10−3,8 268 226 189 176
10−4,1 − 10−3,7 273 250 198 177
10−4,0 − 10−3,6 275 283 212 178
10−3,9 − 10−3,5 276 319 232 179
10−3,8 − 10−3,4 276 353 262 183
10−3,7 − 10−3,3 274 372 301 191
10−3,6 − 10−3,2 269 379 342 205
mique choisi (5/5).

10−4,6
− 10−4,1
229 186 177 176
10 −4,5
− 10−4,0 250 196 180 176
10−4,4 − 10−3,9 264 211 184 176
10−4,3 − 10−3,8 272 231 190 176
10−4,2 − 10−3,7 276 259 201 177
10−4,1 − 10−3,6 278 296 216 178
10−4,0 − 10−3,5 279 340 238 180
10−3,9 − 10−3,4 279 375 272 184
10−3,8 − 10−3,3 278 396 317 192
10−3,7 − 10−3,2 277 405 370 206
10−3,6 − 10−3,1 273 407 423 228
3.2 Résultats expérimentaux.
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
Q2 = 0, 55 ml.min−1 , Q3 = 1 ml.min−1 et Q4 = 3 ml.min−1 ). Les résultats sont

représentés dans la figure IV.12. On constate que, pour le débit Q2 , la prolifération
des cellules est la plus élevée avec un taux de 457 %.
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
Figure IV.12 – Prolifération cellulaire (essais in vitro) en fonction du débit volumique.
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.
Prolifération des cellules in vitro

500
expérimentale
450 numérique
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
Figure IV.13 – Comparaison de la prolifération cellulaire tirée des essais in vitro et de la

simulation numérique.
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.
L’importance de ce modèle multi-échelle et multiphysique réside en sa capacité à

prévoir les plages de débit volumique optimales à l’entrée d’une biocéramique là où les
biologistes estiment cette valeur par la méthode de try and error.
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.
A partir de modèles théoriques bien connus, un protocole numérique original complet

permettant une optimisation des paramètres d’entrée dans un bioréacteur a été déve-
loppé. Basé sur la loi de Darcy, ce travail a tout d’abord nécessité des études sur la
microstructure pour déterminer une grandeur caractéristique fondamentale de notre
étude, à savoir la perméabilité du milieu poreux. Bien que destiné initialement à une
biocéramique spécifique en phosphate de calcium à porosité contrôlée, mise au point
au Laboratoire des Matériaux Céramiques et Procédés Associés de l’université de Va-
lenciennes et du Hainaut-Cambrésis, le processus numérique défini pour l’identification
de la perméabilité est adaptable à tout milieu poreux à porosité interconnectée. Les
travaux menés durant la première étape de construction du modèle numérique global
ont permis de déterminer la taille du volume élémentaire représentatif, grandeur indis-
pensable pour le passage à une structure homogénéisée.
La perméabilité identifiée, la loi de Darcy a permis de relier les grandeurs physiques

moyennes de vitesse et de pression. La deuxième étape a montré la corrélation entre la
prolifération des cellules, la contrainte de cisaillement du fluide et la vitesse moyenne.
Si l’effet de la contrainte de cisaillement du fluide sur la prolifération cellulaire nous
vient de la littérature, nous avons montré qu’il est possible, à partir de la connais-
sance de la microstructure d’un VER, de juger de la qualité d’une culture cellulaire
en fonction d’une vitesse moyenne. Ce passage a nécessité des études statistiques sur
la microstructure afin de cibler des valeurs de débit favorable à la culture cellulaire.
Cette étape a été cruciale car elle a permis le développement de la troisième étape :
la construction du modèle numérique global.
105
Conclusion
Ce modèle est un modèle homogénéisé, c’est-à-dire qu’à partir de valeurs moyennes

de pression et de vitesse connues sur le VER, il est maintenant possible d’estimer la
qualité de la culture cellulaire. Le modèle final a de plus été amélioré en lui associant
un modèle biochimique de consommation d’oxygène par les cellules en développement.
A l’intérieur des limites définies pour notre étude (écoulement laminaire à très bas Rey-
nolds, milieu à porosité interconnectée), le protocole numérique d’optimisation basé
sur le modèle s’est révélé robuste et reproductible.
La dernière étape a consisté en la validation du protocole numérique par des essais

de culture cellulaire dynamique in vitro. Ces cultures ont été menées au Groupe de
recherche sur les biomatériaux (INSERM 1008, Lille 2) sous la direction du docteur
Feng CHAI. Des biocéramiques cylindriques de propriétés géométriques et mécaniques
identiques ont été placées dans un bioréacteur pour une culture dynamique sous les
débits d’entrée différents. Après une semaine de culture cellulaire, la prolifération des
cellules est quantifiée par dosage des protéines.
La plage de la contrainte de cisaillement du fluide optimale pour la prolifération cel-

lulaire de MG63 est déterminée par l’optimisation du modèle numérique grâce à la
comparaison des résultats numériques et expérimentaux. Cette plage de la CCF op-
timale obtenue nous permet d’utiliser le modèle multi-échelle et multiphysique pour
prédire la prolifération des cellules et trouver le débit optimal du système. De plus, les
ordres de grandeur des taux de croissance prévus et observés sont semblables avec une
marge d’erreur d’environ 10 à 15 %, ce qui constitue une très bonne corrélation et
valide le protocole numérique mis en place. Aujourd’hui, il est donc d’ores et déjà pos-
sible de gagner beaucoup de temps sur des essais d’ensemencement de biocéramiques
analogues à la nôtre ; le modèle de prédiction étant fonctionnel, la culture cellulaire
dynamique nécessitera moins d’échantillons test et les essais amèneront à une prolifé-
ration des cellules optimale.
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.
Les perspectives de développement sont nombreuses et pourront, à terme, permettre

des études préalables sur des structures plus grandes, plus complexes, voire compo-
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
[1] D. F. Williams, “Definitions in biomaterials : proceedings of a consensus confe-

rence of the european society for biomaterials, chester, england, march 3-5,
1986,” Elsevier, 1987.
[2] A. française de normalisation., Norme ISO 10993-5/EN 30993-5, NF S 99-505
Evaluation biologique des dispositifs médicaux. Partie 5, Essais concernant la
cytotoxicité : méthodes in vitro. Paris : AFNOR, 1994.
[3] W. Suchanek and M. Yoshimura, “Processing and properties of hydroxyapatite-
based biomaterials for use as hard tissue replacement implants,” Journal of Ma-
terials Research, vol. 13, pp. 94–117, 0 1998.
[4] J. C. Elliott, Structure and chemistry of the apatites and other calcium ortho-
phosphates. Elsevier, 1994.
[5] S. V. Dorozhkin, “Nanosized and nanocrystalline calcium orthophosphates,”
Acta Biomaterialia, vol. 6, no. 3, pp. 715 – 734, 2010.
[6] S. V. Dorozhkin, “Calcium orthophosphates as bioceramics : State of the art,”
Journal of Functional Biomaterials, vol. 1, no. 1, pp. 22–107, 2010.
[7] S. V. Dorozhkin, “Calcium orthophosphates in nature, biology and medicine,”
Materials, vol. 2, no. 2, pp. 399–498, 2009.
[8] U. Heise, J. Osborn, and F. Duwe, “Hydroxyapatite ceramic as a bone substitute,”
International Orthopaedics, vol. 14, no. 3, pp. 329–338, 1990.
[9] M. D. V. P. Orcel, Histologie de l’os normal, Appareil locomoteur., vol. Encycl.
Méd. Chir. Paris : Editions Techniques, 1995.
[10] R. Young, “Some aspects of cristal structural modeling of biological apatites,”
in Physico-chimie et cristallographie des apatites d’intérêt biologique, (Paris),
pp. 21–40, Editions du Centre national de la recherche scientifique, 1975.
[11] R. Z. LeGeros, “Properties of osteoconductive biomaterials : Calcium phos-
phates,” Clinical Orthopaedics and Related Research, vol. 395, pp. 81–98, 2002.
[12] K. Rezwan, Q. Chen, J. Blaker, and A. R. Boccaccini, “Biodegradable and bioac-
tive porous polymer/inorganic composite scaffolds for bone tissue engineering,”
Biomaterials, vol. 27, no. 18, pp. 3413 – 3431, 2006.
109
[13] J. G. Dellinger, A. M. Wojtowicz, and R. D. Jamison, “Effects of degradation and

porosity on the load bearing properties of model hydroxyapatite bone scaffolds,”
Journal of Biomedical Materials Research Part A, vol. 77A, no. 3, pp. 563–571,
2006.
[14] A. B. Yeatts and J. P. Fisher, “Bone tissue engineering bioreactors : Dynamic
culture and the influence of shear stress,” Feb. 2011.
[15] C. B, L. P, and L. P, “Bioreactors for bone tissue engineering.,” The International
journal of artificial organs, vol. 34, no. 3, pp. 259–70, 2011.
[16] M. W. Naing and D. J. Williams, “Three-dimensional culture and bioreactors
for cellular therapies,” Cytotherapy, vol. 13, no. 4, pp. 391–399, 2011. PMID :
21341974.
[17] A. J. El Haj and S. H. Cartmell, “Bioreactors for bone tissue engineering,” Pro-
ceedings of the Institution of Mechanical Engineers, Part H : Journal of Engi-
neering in Medicine, vol. 224, no. 12, pp. 1523–1532, 2010.
[18] J. Rauh, F. Milan, K. Gunther, and M. Stiehler, “Bioreactor systems for bone
tissue engineering.,” Tissue engineering. Part B, Reviews, vol. 17, no. 4, pp. 263–
80, 2011.
[19] E. Salter, B. Goh, B. Hung, D. Hutton, N. Ghone, and W. L. Grayson, “Bone
tissue engineering bioreactors : A role in the clinic ?,” Tissue Engineering Part B :
Reviews Tissue Engineering Part B : Reviews, vol. 18, no. 1, pp. 62–75, 2012.
[20] J.Pierre, Analyse théorique de bioréacteurs et d’implants utilisés en génie tis-
sulaire osseux et cartilagineux. PhD thesis, Université de Paris-Val-de-Marne,
2007.
[21] J. B. Lian and G. S. Stein, “Concepts of osteoblast growth and differentiation :
Basis for modulation of bone cell development and tissue formation,” Critical
Reviews in Oral Biology & Medicine, vol. 3, no. 3, pp. 269–305, 1992.
[22] L. Sharp, The use of dynamic fluid flow strategies for bone tissue engineering
applications. PhD thesis, Virginia Polytechnic Institute and State University,
2009.
[23] I. Owan, D. B. Burr, C. H. Turner, J. Qiu, Y. Tu, J. E. Onyia, and R. L. Dun-
can, “Mechanotransduction in bone : osteoblasts are more responsive to fluid
forces than mechanical strain,” American Journal of Physiology - Cell Physiology,
vol. 273, no. 3, pp. C810–C815, 1997.
[24] J. Nagatomi, B. P. Arulanandam, D. W. Metzger, A. Meunier, and R. Bizios,
“Cyclic pressure affects osteoblast functions pertinent to osteogenesis,” Annals
of Biomedical Engineering, vol. 31, no. 8, pp. 917–923, 2003.
110
[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
[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
[55] V. I. Sikavitsas, G. N. Bancroft, and A. G. Mikos, “Formation of three-

dimensional cell/polymer constructs for bone tissue engineering in a spinner flask
and a rotating wall vessel bioreactor,” Journal of Biomedical Materials Research,
vol. 62, no. 1, pp. 136–148, 2002.
[56] M. R. Kreke, W. R. Huckle, and A. S. Goldstein, “Fluid flow stimulates expression
of osteopontin and bone sialoprotein by bone marrow stromal cells in a temporally
dependent manner,” Bone, vol. 36, no. 6, pp. 1047 – 1055, 2005.
[57] K. M. Reich, C. V. Gay, and J. A. Frangos, “Fluid shear stress as a mediator
of osteoblast cyclic adenosine monophosphate production,” Journal of Cellular
Physiology, vol. 143, no. 1, pp. 100–104, 1990.
[58] C. Jacobs, C. Yellowley, B. Davis, Z. Zhou, J. Cimbala, and H. Donahue, “Dif-
ferential effect of steady versus oscillating flow on bone cells,” Journal of Bio-
mechanics, vol. 31, no. 11, pp. 969 – 976, 1998.
[59] D. Pienkowski and S. R. Pollack, “The origin of stress-generated potentials in
fluid-saturated bone,” Journal of Orthopaedic Research, vol. 1, no. 1, pp. 30–41,
1983.
[60] A. D. Bakker, K. Soejima, J. Klein-Nulend, and E. H. Burger, “The production of
nitric oxide and prostaglandin e2 by primary bone cells is shear stress dependent,”
Journal of Biomechanics, vol. 34, no. 5, pp. 671 – 677, 2001.
[61] D. Li, T. Tang, J. Lu, and K. Dai, “Effects of flow shear stress and mass trans-
port on the construction of a large-scale tissue-engineered bone in a perfusion
bioreactor.,” 2009.
[62] T. McAllister, T. Du, and J. Frangos, “Fluid shear stress stimulates prostaglandin
and nitric oxide release in bone marrow-derived preosteoclast-like cells,” Bioche-
mical and Biophysical Research Communications, vol. 270, no. 2, pp. 643 – 648,
2000.
[63] K. M. Reich and J. A. Frangos, “Effect of flow on prostaglandin e2 and inosi-
tol trisphosphate levels in osteoblasts,” American Journal of Physiology - Cell
Physiology, vol. 261, no. 3, pp. C428–C432, 1991.
[64] G.-L. Jiang, C. R. White, H. Y. Stevens, and J. A. Frangos, “Temporal gradients
in shear stimulate osteoblastic proliferation via erk1/2 and retinoblastoma pro-
tein,” American journal of physiology., vol. 283, no. 2, pp. E383–E389, 2002.
[65] R. Smalt, M. FT, H. RL, and C. TJ, “Mechanotransduction in bone cells :
induction of nitric oxide and prostaglandin synthesis by fluid shear stress, but not
by mechanical strain.,” Advances in experimental medicine and biology, vol. 433,
pp. 311–4, 1997.
[66] W. D. Holder, H. E. Gruber, A. L. Moore, C. R. Culberson, W. Anderson, K. J. L.
Burg, and D. J. Mooney, “Cellular ingrowth and thickness changes in poly-l-
113
lactide and polyglycolide matrices implanted subcutaneously in the rat,” Journal

of Biomedical Materials Research, vol. 41, no. 3, pp. 412–421, 1998.
[67] I. Martin, D. Wendt, and M. Heberer, “The role of bioreactors in tissue enginee-
ring,” Trends in Biotechnology, vol. 22, no. 2, pp. 80 – 86, 2004.
[68] K. A. Williams, S. Saini, and T. M. Wick, “Computational fluid dynamics mode-
ling of steady-state momentum and mass transport in a bioreactor for cartilage
tissue engineering,” Biotechnology Progress, vol. 18, no. 5, pp. 951–963, 2002.
[69] M. T. Raimondi, F. Boschetti, L. Falcone, G. B. Fiore, A. Remuzzi, E. Marinoni,
M. Marazzi, and R. Pietrabissa, “Mechanobiology of engineered cartilage cultu-
red under a quantified fluid-dynamic environment,” Biomechanics and Modeling
in Mechanobiology, vol. 1, pp. 69–82, 2002.
[70] M. T. Raimondi, F. Boschetti, L. Falcone, F. Migliavacca, A. Remuzzi, and
G. Dubini, “The effect of media perfusion on three-dimensional cultures of hu-
man chondrocytes : Integration of experimental and computational approaches,”
Biorheology, vol. 41, pp. 401–410, Jan. 2004.
[71] F. Boschetti, M. T. Raimondi, F. Migliavacca, and G. Dubini, “Prediction of the
micro-fluid dynamic environment imposed to three-dimensional engineered cell
systems in bioreactors,” Journal of Biomechanics, vol. 39, no. 3, pp. 418 – 425,
2006.
[72] B. Porter, R. Zauel, H. Stockman, R. Guldberg, and D. Fyhrie, “3-d computatio-
nal modeling of media flow through scaffolds in a perfusion bioreactor,” Journal
of Biomechanics, vol. 38, no. 3, pp. 543 – 549, 2005.
[73] M. Cioffi, F. Boschetti, M. T. Raimondi, and G. Dubini, “Modeling evaluation of
the fluid-dynamic microenvironment in tissue-engineered constructs : A micro-ct
based model,” Biotechnology and Bioengineering, vol. 93, no. 3, pp. 500–510,
2006.
[74] M. T. Raimondi, M. Moretti, M. Cioffi, C. Giordano, F. Boschetti, K. La-
gan&agrave ;, and R. Pietrabissa, “The effect of hydrodynamic shear on 3d en-
gineered chondrocyte systems subject to direct perfusion,” Biorheology, vol. 43,
pp. 215–222, Jan. 2006.
[75] C. Sandino, J. Planell, and D. Lacroix, “A finite element study of mechanical
stimuli in scaffolds for bone tissue engineering,” Journal of Biomechanics, vol. 41,
no. 5, pp. 1005 – 1014, 2008.
[76] P. Van Ransbeeck, F. d. r. Maes, S. Impens, H. Van Oosterwyck, and P. Ver-
donck, “Numerical modeling of perfusion flow in irregular scaffolds,” in IFMBE
Proceedings (J. Vander Sloten, P. Verdonck, M. Nyssen, and J. Haueisen, eds.),
vol. 22, pp. 2677–2680, Springer, 2008.
114
[77] F. Maes, P. Van Ransbeeck, H. Van Oosterwyck, and P. Verdonck, “Modeling

fluid flow through irregular scaffolds for perfusion bioreactors,” Biotechnology
and Bioengineering, vol. 103, no. 3, pp. 621–630, 2009.
[78] F. Maes, T. Claessens, M. Moesen, H. V. Oosterwyck, P. V. Ransbeeck, and
P. Verdonck, “Computational models for wall shear stress estimation in scaffolds :
A comparative study of two complete geometries,” Journal of Biomechanics,
vol. 45, no. 9, pp. 1586 – 1592, 2012.
[79] P. Sucosky, D. F. Osorio, J. B. Brown, and G. P. Neitzel, “Fluid mechanics of
a spinner-flask bioreactor,” Biotechnology and Bioengineering, vol. 85, no. 1,
pp. 34–46, 2004.
[80] B. G. Sengers, C. C. Van Donkelaar, C. W. J. Oomens, and F. P. T. Baaijens,
“Computational study of culture conditions and nutrient supply in cartilage tissue
engineering,” Biotechnology Progress, vol. 21, no. 4, pp. 1252–1261, 2005.
[81] A. Tamayol and M. Bahrami, “Analytical determination of viscous permeability of
fibrous porous media,” International Journal of Heat and Mass Transfer, vol. 52,
no. 9–10, pp. 2407 – 2414, 2009.
[82] Y. Song, K. Chung, T. Kang, and J. Youn, “Prediction of permeability tensor for
three dimensional circular braided preform by applying a finite volume method to
a unit cell,” Composites Science and Technology, vol. 64, no. 10–11, pp. 1629
– 1636, 2004.
[83] S. Truscello, G. Kerckhofs, S. V. Bael, G. Pyka, J. Schrooten, and H. V. Oos-
terwyck, “Prediction of permeability of regular scaffolds for skeletal tissue engi-
neering : A combined computational and experimental study,” Acta Biomateria-
lia, vol. 8, no. 4, pp. 1648 – 1658, 2012.
[84] P. Vossenberg, G. Higuera, G. Straten, C. Blitterswijk, and A. Boxtel, “Darcian
permeability constant as indicator for shear stresses in regular scaffold systems
for tissue engineering,” Biomechanics and Modeling in Mechanobiology, vol. 8,
pp. 499–507, 2009.
[85] E. B. Becker, G. F. Carey, and J. T. Oden, Finite elements : an introduction.
Englewood Cliffs, N.J. : Prentice-Hall, 1981.
[86] H. K. Versteeg and W. Malalasekera, An introduction to computational fluid dy-
namics : the finite volume method. Harlow, Essex, England ; Longman Scientific
& Technical : New York : Wiley, 1995.
[87] F. Dubois, “Une introduction au schéma de boltzmann sur réseau,” ESAIM :
Proc., vol. 18, pp. 181–215, 2007.
[88] R. J. Whittaker, R. Booth, R. Dyson, C. Bailey, L. P. Chini, S. Naire, S. Pay-
vandi, Z. Rong, H. Woollard, L. J. Cummings, S. L. Waters, L. Mawasse, J. B.
115
Chaudhuri, M. J. Ellis, V. Michael, N. J. Kuiper, and S. Cartmell, “Mathemati-

cal modelling of fibre-enhanced perfusion inside a tissue-engineering bioreactor,”
Journal of Theoretical Biology, vol. 256, no. 4, pp. 533 – 546, 2009.
[89] G. Lemon, S. L. Waters, F. R. Rose, and J. R. King, “Mathematical modelling
of human mesenchymal stem cell proliferation and differentiation inside artificial
porous scaffolds,” Journal of Theoretical Biology, vol. 249, no. 3, pp. 543 – 553,
2007.
[90] D. Liu, C.-K. Chua, and K.-F. Leong, “A mathematical model for fluid shear-
sensitive 3d tissue construct development,” Biomechanics and Modeling in Me-
chanobiology, pp. 1–13, 2012.
[91] M. V. Hillsley and J. A. Frangos, “Review : Bone tissue engineering : The role of
interstitial fluid flow,” Biotechnology and Bioengineering, vol. 43, no. 7, pp. 573–
581, 1994.
[92] E. A. Sander and E. A. Nauman, “Permeability of musculoskeletal tissues and
scaffolding materials : Experimental results and theoretical predictions,” Critical
Reviews In Biomedical Engineering, vol. 31, pp. 1–26, 2003.
[93] M. K. Tate and U. Knothe, “An ex vivo model to study transport processes and
fluid flow in loaded bone,” Journal of Biomechanics, vol. 33, no. 2, pp. 247 –
254, 2000.
[94] J. Mansour and V. Mow, “The permeability of articular cartilage under com-
pressive strain and at high pressures.,” The Journal of bone and joint surgery.
American volume, vol. 58, no. 4, pp. 509–16, 1976.
[95] C. Agrawal, J. McKinney, D. Lanctot, and K. Athanasiou, “Effects of fluid flow on
the in vitro degradation kinetics of biodegradable scaffolds for tissue engineering,”
Biomaterials, vol. 21, no. 23, pp. 2443 – 2452, 2000.
[96] P. A. Netti, D. A. Berk, M. A. Swartz, A. J. Grodzinsky, and R. K. Jain, “Role
of extracellular matrix assembly in interstitial transport in solid tumors,” Cancer
Research, vol. 60, no. 9, pp. 2497–2503, 2000.
[97] C. A. Znati, M. Rosenstein, T. D. McKee, E. Brown, D. Turner, W. D. Bloo-
mer, S. Watkins, R. K. Jain, and Y. Boucher, “Irradiation reduces interstitial
fluid transport and increases the collagen content in tumors,” Clinical Cancer
Research, vol. 9, no. 15, pp. 5508–5513, 2003.
[98] S. Li, J. R. de Wijn, J. Li, P. Layrolle, and K. de Groot, “Macroporous bipha-
sic calcium phosphate scaffold with high permeability/porosity ratio,” Tissue
Engineering, vol. 9, no. 3, pp. 535–548, 2003.
[99] J. R. Levick, “Flow through interstitium and other fibrous matrices,” Experimen-
tal Physiology, vol. 72, no. 4, pp. 409–437, 1987.
116
[100] M. Innocentini, R. Faleiros, J. Pisani, R., I. Thijs, J. Luyten, and S. Mullens,

“Permeability of porous gelcast scaffolds for bone tissue engineering,” Journal of
Porous Materials, vol. 17, pp. 615–627, 2010.
[101] S. S. Kohles, J. B. Roberts, M. L. Upton, C. G. Wilson, L. J. Bonassar, and
A. L. Schlichting, “Direct perfusion measurements of cancellous bone anisotropic
permeability,” Journal of Biomechanics, vol. 34, no. 9, pp. 1197 – 1202, 2001.
[102] M. Lacroix, P. Nguyen, D. Schweich, C. P. Huu, S. Savin-Poncet, and D. Edouard,
“Pressure drop measurements and modeling on sic foams,” Chemical Engineering
Science, vol. 62, no. 12, pp. 3259 – 3267, 2007.
[103] V. C. Mow, S. C. Kuei, W. M. Lai, and C. G. Armstrong, “Biphasic creep and
stress relaxation of articular cartilage in compression : Theory and experiments,”
Journal of Biomechanical Engineering, vol. 102, no. 1, pp. 73–84, 1980.
[104] M. J. Grimm and J. L. Williams, “Measurements of permeability in human cal-
caneal trabecular bone,” Journal of Biomechanics, vol. 30, no. 7, pp. 743 – 745,
1997.
[105] R. Singh, P. Lee, T. C. Lindley, R. Dashwood, E. Ferrie, and T. Imwinkelried,
“Characterization of the structure and permeability of titanium foams for spinal
fusion devices,” Acta Biomaterialia, vol. 5, no. 1, pp. 477 – 487, 2009.
[106] M. Dias, P. Fernandes, J. Guedes, and S. Hollister, “Permeability analysis of
scaffolds for bone tissue engineering,” Journal of Biomechanics, vol. 45, no. 6,
pp. 938 – 944, 2012.
[107] Y. Huang, X. Jia, K. Bai, X. Gong, and Y. Fan, “Effect of fluid shear stress
on cardiomyogenic differentiation of rat bone marrow mesenchymal stem cells,”
Archives of Medical Research, vol. 41, no. 7, pp. 497 – 505, 2010.
[108] G. A. Truskey and J. S. Pirone, “The effect of fluid shear stress upon cell adhe-
sion to fibronectin-treated surfaces,” Journal of Biomedical Materials Research,
vol. 24, no. 10, pp. 1333–1353, 1990.
[109] G. A. Truskey and T. L. Proulx, “Relationship between 3t3 cell spreading and the
strength of adhesion on glass and silane surfaces,” Biomaterials, vol. 14, no. 4,
pp. 243 – 254, 1993.
[110] T. van Kooten, J. Schakenraad, H. van der Mei, A. Dekker, C. Kirkpatrick,
and H. Busscher, “Fluid shear induced endothelial cell detachment from glass
- influence of adhesion time and shear stress,” Medical Engineering & Physics,
vol. 16, no. 6, pp. 506 – 512, 1994.
[111] L. A. McMahon, The effect of cyclic tensile loading and growth factors on the
chondrogenic differentiation of bone-marrow derived mesenchymal stem cells in
a collagen-glycosaminoglycan scaffold. PhD thesis, Trinity College, Dublin, 2007.
117
[112] H. L. Holtorf, J. A. Jansen, and A. G. Mikos, “Flow perfusion culture induces

the osteoblastic differentiation of marrow stromal cell-scaffold constructs in the
absence of dexamethasone,” Journal of Biomedical Materials Research Part A,
vol. 72A, no. 3, pp. 326–334, 2005.
[113] V. I. Sikavitsas, G. N. Bancroft, H. L. Holtorf, J. A. Jansen, and A. G. Mikos,
“Mineralized matrix deposition by marrow stromal osteoblasts in 3d perfusion
culture increases with increasing fluid shear forces,” Proceedings of the National
Academy of Sciences, vol. 100, no. 25, pp. 14683–14688, 2003.
[114] V. Olivier, P. Hivart, M. Descamps, and P. Hardouin, “In vitro culture of large
bone substitutes in a new bioreactor : importance of the flow direction,” Biome-
dical Materials, vol. 2, no. 3, p. 174, 2007.
[115] F. Zhao, R. Chella, and T. Ma, “Effects of shear stress on 3-d human me-
senchymal stem cell construct development in a perfusion bioreactor system :
Experiments and hydrodynamic modeling,” Biotechnology and Bioengineering,
vol. 96, no. 3, pp. 584–595, 2007.
[116] S. B. VanGordon, R. S. Voronov, T. B. Blue, R. L. Shambaugh, D. V. Papavas-
siliou, and V. I. Sikavitsas, “Effects of scaffold architecture on preosteoblastic
cultures under continuous fluid shear,” Industrial & Engineering Chemistry Re-
search, vol. 50, no. 2, pp. 620–629, 2011.
[117] W. L. Grayson, S. Bhumiratana, C. Cannizzaro, P.-H. G. Chao, D. P. Lennon,
A. I. Caplan, and G. Vunjak-Novakovic, “Effects of initial seeding density and
fluid perfusion rate on formation of tissue-engineered bone,” Tissue Engineering,
Part A, vol. 14, no. 11, pp. 1809–1820, 2008.
[118] M. Grellier, R. Bareille, C. Bourget, and J. Amédée, “Responsiveness of human
bone marrow stromal cells to shear stress,” Journal of Tissue Engineering and
Regenerative Medicine, vol. 3, no. 4, pp. 302–309, 2009.
[119] L. Sharp, Y. Lee, and A. Goldstein, “Effect of low-frequency pulsatile flow on
expression of osteoblastic genes by bone marrow stromal cells,” Annals of Bio-
medical Engineering, vol. 37, pp. 445–453, 2009.
[120] M. J. Jaasma and F. J. O’Brien, “Mechanical stimulation of osteoblasts using
steady and dynamic fluid flow,” Tissue Engineering, Part A, vol. 14, no. 7,
pp. 1213–1223, 2008.
[121] S. Weinbaum, S. Cowin, and Y. Zeng, “A model for the excitation of osteocytes
by mechanical loading-induced bone fluid shear stresses,” Journal of Biomecha-
nics, vol. 27, no. 3, pp. 339 – 360, 1994.
[122] D. D. Deligianni, N. D. Katsala, P. G. Koutsoukos, and Y. F. Missirlis, “Effect
of surface roughness of hydroxyapatite on human bone marrow cell adhesion,
118
proliferation, differentiation and detachment strength,” Biomaterials, vol. 22,

no. 1, pp. 87 – 96, 2000.
[123] K. M. B. T. D. S. L. Annaz B, Hing KA, “Porosity variation in hydroxyapatite
and osteoblast morphology : a scanning electron microscopy study,” Journal of
Microscopy, vol. 215, no. 1, pp. 100–110, 2004.
[124] Jungreuthmayer, J. M.J., A.-M. A.A., O. F.J., K. D.J., D. S.W., and Z. J., “A
comparative study of shear stresses in collagen-glycosaminoglycan and calcium
phosphate scaffolds in bone tissue-engineering bioreactors,” Tissue Eng. Part A
Tissue Engineering - Part A, vol. 15, no. 5, pp. 1141–1149, 2009.
[125] S. Partap, N. Plunkett, D. Kelly, and F. O’Brien, “Stimulation of osteoblasts
using rest periods during bioreactor culture on collagen-glycosaminoglycan scaf-
folds,” Journal of Materials Science : Materials in Medicine, vol. 21, pp. 2325–
2330, 2010.
[126] N. A. Plunkett, S. Partap, and F. J. O’Brien, “Osteoblast response to rest
periods during bioreactor culture of collagenglycosaminoglycan scaffolds,” Tissue
Engineering Part A Tissue Engineering Part A, vol. 16, no. 3, pp. 943–951, 2010.
[127] S. Xu, D. Li, Y. Xie, J. Lu, and K. Dai, “The growth of stem cells within beta-tcp
scaffolds in a fluid-dynamic environment,” Materials Science and Engineering :
C, vol. 28, no. 1, pp. 164 – 170, 2008.
[128] M. Cioffi, J. Kuffer, S. Strobel, G. Dubini, I. Martin, and D. Wendt, “Computa-
tional evaluation of oxygen and shear stress distributions in 3d perfusion culture
systems : Macro-scale and micro-structured models,” Journal of Biomechanics,
vol. 41, no. 14, pp. 2918 – 2925, 2008.
[129] V. Sikavitsas, G. Bancroft, J. Lemoine, M. Liebschner, M. Dauner, and A. Mi-
kos, “Flow perfusion enhances the calcified matrix deposition of marrow stromal
cells in biodegradable nonwoven fiber mesh scaffolds,” Annals of Biomedical
Engineering, vol. 33, pp. 63–70, 2005.
[130] P. Carman, “Fluid flow through granular beds,” Chemical Engineering Research
and Design, vol. 75, Supplement, no. 0, pp. S32 – S48, 1997.
[131] M. Kaviany, Principles of heat transfer in porous media. New York : Springer,
1999.
[132] F. A. L. Dullien, Porous media fluid transport and pore structure. London [u.a. :
Academic Press, 1979.
[133] P. C. Carman, “Capillary rise and capillary movement of moisture in fine sands,”
Soil Science, vol. 52, no. 1, pp. 1–14, 1941.
[134] O. Reynolds, Papers on mechanical and physical subjects. Cambridge : University
Pr., 1900.
119
[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
[148] J. Malda, J. Rouwkema, D. E. Martens, E. P. le Comte, F. K. Kooy, J. Tramper,

C. A. van Blitterswijk, and J. Riesle, “Oxygen gradients in tissue-engineered
pegt/pbt cartilaginous constructs : Measurement and modeling,” Biotechnology
and Bioengineering, vol. 86, no. 1, pp. 9–18, 2004.
[149] J. C. Haselgrove, I. M. Shapiro, and S. F. Silverton, “Computer modeling of
the oxygen supply and demand of cells of the avian growth cartilage,” American
Journal of Physiology - Cell Physiology, vol. 265, no. 2, pp. C497–C506, 1993.
[150] B. Obradovic, J. H. Meldon, L. E. Freed, and G. Vunjak-Novakovic, “Glycosa-
minoglycan deposition in engineered cartilage : Experiments and mathematical
model,” AIChE Journal, vol. 46, no. 9, pp. 1860–1871, 2000.
[151] F. Coletti, S. Macchietto, and N. Elvassore, “Mathematical modeling of three-
dimensional cell cultures in perfusion bioreactors,” Industrial & Engineering Che-
mistry Research, vol. 45, no. 24, pp. 8158–8169, 2006.
[152] J. D. Murray, Mathematical biology. Berlin ; New York : Springer-Verlag, 1989.
[153] L. Edelstein-Keshet, Mathematical models in biology. New York : Random House,
1988.
[154] C. Chung, C. Chen, C. Chen, and C. Tseng, “Enhancement of cell growth in
tissue-engineering constructs under direct perfusion : Modeling and simulation,”
Biotechnology and Bioengineering, vol. 97, no. 6, pp. 1603–1616, 2007.
[155] C. J. Galban and B. R. Locke, “Analysis of cell growth kinetics and substrate
diffusion in a polymer scaffold,” Biotechnology and Bioengineering, vol. 65, no. 2,
pp. 121–132, 1999.
[156] F. Coletti, S. Macchietto, and N. Nlvassore, “Mathematical modelling of three-
dimensional cell cultures in perfusion bioreactors. part ii,” in 16th European
Symposium on Computer Aided Process Engineering and 9th International Sym-
posium on Process Systems Engineering (W. Marquardt and C. Pantelides, eds.),
vol. 21 of Computer Aided Chemical Engineering, pp. 1699 – 1704, Elsevier,
2006.
[157] W. Gosgnach, D. Messika-Zeitoun, W. Gonzalez, M. Philipe, and J.-B. Michel,
“Shear stress induces inos expression in cultured smooth muscle cells : role of
oxidative stress,” American Journal of Physiology - Cell Physiology, vol. 279,
no. 6, pp. C1880–C1888, 2000.
[158] W. H. Grover, A. K. Bryan, M. Diez-Silva, S. Suresh, J. M. Higgins, and S. R.
Manalis, “Measuring single-cell density,” Proceedings of the National Academy
of Sciences, 2011.
[159] T. P. Burg, M. Godin, S. M. Knudsen, W. Shen, G. Carlson, J. S. Foster, K. Bab-
cock, and S. R. Manalis, “Weighing of biomolecules, single cells and single na-
noparticles in fluid,” Nature, vol. 446, pp. 1066–1069, Apr. 2007.
121
[160] D. Docheva, D. Padula, C. Popov, W. Mutschler, H. Clausen-Schaumann, and

M. Schieker, “Researching into the cellular shape, volume and elasticity of me-
senchymal stem cells, osteoblasts and osteosarcoma cells by atomic force micro-
scopy,” Journal of Cellular and Molecular Medicine, vol. 12, no. 2, pp. 537–552,
2008.
[161] Y. H. Ko, D. S. Seo, and J. K. Lee, “Biological behavior of mg63 cells on the
hydroxyapatite surface,” Bioceram. Dev. Appl. Bioceramics Development and
Applications, vol. 1, pp. 1–4, 2010.
[162] R. S. Richardson, “Oxygen transport and utilization : An integration of the
muscle systems,” Advances in Physiology Education, vol. 27, no. 4, pp. 183–
191, 2003.
[163] B. A. Wagner, S. Venkataraman, and G. R. Buettner, “The rate of oxygen
utilization by cells,” Free Radical Biology and Medicine, vol. 51, no. 3, pp. 700
– 712, 2011.
[164] P. M. Herst and M. V. Berridge, “Cell surface oxygen consumption : A major
contributor to cellular oxygen consumption in glycolytic cancer cell lines,” Bio-
chimica et Biophysica Acta (BBA) - Bioenergetics, vol. 1767, no. 2, pp. 170 –
177, 2007.
[165] Y. Kim, R. Cerbo, C. Hah, K. Bahn, J. Kim, and Y. Ha, “Growth inhibition
of osteosarcoma cell mg-63 by a mixture of trans,trans conjugated linoleic acid
isomers : Possible mechanistic actions,” Journal of Food Science, vol. 73, no. 1,
pp. T7–T15, 2008.
[166] K. Landman and A. Cai, “Cell proliferation and oxygen diffusion in a vascularising
scaffold,” Bulletin of Mathematical Biology, vol. 69, pp. 2405–2428, 2007.
[167] T. I. Croll, S. Gentz, K. Mueller, M. Davidson, A. J. O’Connor, G. W. Stevens,
and J. J. Cooper-White, “Modelling oxygen diffusion and cell growth in a po-
rous, vascularising scaffold for soft tissue engineering applications,” Chemical
Engineering Science, vol. 60, no. 17, pp. 4924 – 4934, 2005.
122
Annexe A
Distribution de CCF en système

aléatoire.
QV ER =0.001ml/min QV ER =0.002ml/min
4 3
3.5
2.5
3
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
2 1.6
1.8
1.4
1.6
1.2
1.4
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
123
Annexe A. Distribution de CCF en système aléatoire.
1.5 4
3.5
3

1
2.5
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
3 2
1.8
2.5
1.6
1.4
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
1.6 1.5
1.4
1.2
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
124
1.4 1.4
1.2 1.2
1 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
1.4 1.6
1.4
1.2
1.2
1
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
QV ER =0.8ml/min QV ER =1ml/min
1.5 1.4
1.2
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
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

0.6
0.8
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
QV ER =6ml/min QV ER =8ml/min
1.6 1.5
1.4
1.2
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
QV ER =10ml/min
1.4
1.2
1
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
Prolifération pour les CCF optimales

choisies.
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
(1) τoptimal ∈ (10−4,6 ; 10−4,5 ) (2) τoptimale ∈ (10−4,5 ; 10−4,4 )

500 500
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
(3) τoptimale ∈ (10−4,4 ; 10−4,3) (4) τoptimale ∈ (10−4,3 ; 10−4,2 )
127
Annexe B. Prolifération pour les CCF optimales choisies.

500 500
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
(5) τoptimale ∈ (10−4,2 ; 10−4,1 ) (6) τoptimale ∈ (10−4,1 ; 10−4,0 )

500 500
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

500 500
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
128
500 500
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

500 500
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

500 500
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
129

500 500
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

500 500
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

500
expérimentale
450 numérique
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
(21) τoptimale ∈ (10−3,6 ; 10−3,4 )
130
500 500
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

500 500
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

500 500
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
131

500 500
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

500 500
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

500
expérimentale
450 numérique
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
(32) τoptimale ∈ (10−3,6 ; 10−3,3 )
132
500 500
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

500 500
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

500 500
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
133

500 500
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

500 500
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

500
expérimentale
450 numérique
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
(43) τoptimale ∈ (10−3,6 ; 10−3,2 )
134
500 500
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

500 500
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

500 500
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
135

500 500
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

500 500
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

500
expérimentale
450 numérique
400
350
prolifération [%]
300
250
200
150
100
50
0
0 0.5 1 1.5 2 2.5 3 3.5
(54) τoptimale ∈ (10−3,6 ; 10−3,1 )
136

Nguyen

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Nguyen

Transféré par

Droits d'auteur :

Formats disponibles

2013

pour l’obtention du grade de

Spécialité : Sciences pour l’ingénieur, option : Mécanique

Soutenu le 28 juin 2013 devant le jury composé de :

I. ROSCA, Professeur, Université de Brasov (Roumanie).

F. CHAI, Ingénieur de Recherche HDR, Université Lille 2.

Je tiens ensuite à exprimer ma gratitude au Professeur Philippe HIVART, mon direc-

Un grand merci aux membres du club de Badminton de Béthune, en particulier à M.

J’exprime enfin ma plus grande reconnaissance à ma famille et, en particulier, à ma

Substitut osseux, biomatériaux hybrides, culture cellulaire, bioréacteur, modèle micro-

Résumé et mots-clés iii

Abstract and keywords v

Liste des figures xiii

Liste des tables xvi

3.2 Détermination de la perméabilité K. . . . . . . . . . . . . . . . 28

II De l’identification numérique de la perméabilité. 35

III Prolifération cellulaire et vitesse de Darcy. 61

1.1 Prolifération cellulaire et contrainte de cisaillement du fluide. . 62

IV Débit volumique optimal : de la modélisation à la validation. 77

2.4.3 Valeurs des paramètres et des constantes. . . . . . . 93

Références bibliographiques 109

A Distribution de CCF en système aléatoire. 123

B Prolifération pour les CCF optimales choisies. 127

I.1 Projection dans le plan de base (001) de la structure de l’hydroxyapatite. 8

II.1 Modèle numérique d’un VER, débit volumique imposé. . . . . . . . . . 43

II.13 Perméabilité K en fonction du gradient du pression pour des cubes

III.1 Modèle numérique pour le calcul de la distribution de CCF. . . . . . . 66

IV.1 Détermination du débit optimal par simulation numérique. . . . . . . . 79

IV.3 Structure étudiée : biocéramique macroporeuse à pores sphériques in-

I.1 Principaux phosphates de calcium. . . . . . . . . . . . . . . . . . . . 7

II.1 Perméabilité adimensionnelle K ′ calculée pour une porosité égale à 0,5. 53

III.1 Effet de la CCF sur la culture cellulaire. . . . . . . . . . . . . . . . . . 62

IV.1 Valeurs des paramètres et des constantes utilisés pour la simulation

IV.6 Prolifération des cellules en fonction de la plage CCF τoptimale et débit

η viscosité dynamique du fluide [kg.m−1. .s−1 ]

S0 surface spécifique de Carman [m2 ]

Une céramique en phosphate de calcium (hydroxyapatite) à porosité contrôlée a été

Dans les études jusqu’ici réalisées, le choix du débit et de l’écoulement à travers la

d’en réaliser l’étude par modélisation numérique en mécanique des fluides.

La première partie de ce mémoire est consacrée à l’étude bibliographiques des thé-

et III sur un modèle numérique global homogénéisé. Le protocole final d’optimisation

Notre étude étant consacrée à la modélisation d’un écoulement dans

Après l’exposé de quelques généralités sur les biomatériaux, sont

La macroporosité et l’écoulement étant intimement liés, le deuxième

Dans le troisième chapitre, sont abordées les méthodes et simu-

La richesse des sources concernant ces thèmes a conduit à n’exposer

1 Biocéramiques et culture cellulaire.

1.1 Les biomatériaux.

La caractéristique majeure est la biocompatibilité : le matériau et ses produits de dégra-

1.2 Les biocéramiques.

Si certaines céramiques biocompatibles mais inertes sont utilisées comme biocéra-

Table I.1 – Principaux phosphates de calcium [4, 6, 7].

Ca/P Composé Formule Acronyme

pour l’utilisation de cette biocéramique dans le domaine orthopédique. Ces céramiques

Table I.2 – Caractéristiques cristallographiques de l’hydroxyapatite.

Table I.3 – Propriétés mécaniques moyennes des céramiques denses d’hydroxyapatite.

Theoretical density 3.156 g/cm3

Cependant, la présence nécessaire de pores interconnectés dans ces matériaux employés

1.3 Culture cellulaire et bioréacteurs.

Quoique proche par sa composition de l’os naturel, une biocéramique phosphocalcique

naturel d’ostéogénèse, l’augmentation du volume implanté rend superficielle cette as-

Le rétablissement de la structure osseuse naturelle nécessite la colonisation cellulaire

opérations nécessaires à leur survie et à leur développement et multiplication. C’est

Nombre de dispositifs existent [14–19], créant un mouvement de rotation ou de trans-