Interfacial Charge Transfer between CdTe Quantum Dots and Gram Negative Vs Gram Positive Bacteria
Notice bibliographique
Résumé
Oxidative toxicity of semiconductor and metal nanomaterials to cells has been well established. However, it may result from many different mechanisms, some requiring direct cell contact and others resulting from the diffusion of reactive species in solution. Published results are contradictory due to differences in particle preparation, bacterial strain, and experimental conditions. It has been recently found that C(60) nanoparticles can cause direct oxidative damage to bacterial proteins and membranes, including causing a loss of cell membrane potential (depolarization). However, this did not correlate with toxicity. In this study we perform a similar analysis using fluorescent CdTe quantum dots, adapting our tools to make use of the particles' fluorescence. We find that two Gram positive strains show direct electron transfer to CdTe, resulting in changes in CdTe fluorescence lifetimes. These two strains also show changes in membrane potential upon nanoparticle binding. Two Gram negative strains do not show these effects-nevertheless, they are over 10-fold more sensitive to CdTe than the Gram positives. We find subtoxic levels of Cd(2+) release from the particles upon irradiation of the particles, but significant production of hydroxyl radicals, suggesting that the latter is a major source of toxicity. These results help establish mechanisms of toxicity and also provide caveats for use of certain reporter dyes with fluorescent nanoparticles which will be of use to anyone performing these assays. The findings also suggest future avenues of inquiry into electron transfer processes between nanomaterials and bacteria.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».