Antimicrobial Electrospun Biopolymer Nanofiber Mats Functionalized with Graphene Oxide–Silver Nanocomposites
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Functionalization of electrospun mats with antimicrobial nanomaterials is an attractive strategy to develop polymer coating materials to prevent bacterial colonization on surfaces. In this study we demonstrated a feasible approach to produce antimicrobial electrospun mats through a postfabrication binding of graphene-based nanocomposites to the nanofibers' surface. A mixture of poly(lactide-co-glycolide) (PLGA) and chitosan was electrospun to yield cylindrical and narrow-diameter (356 nm) polymeric fibers. To achieve a robust antimicrobial property, the PLGA-chitosan mats were functionalized with graphene oxide decorated with silver nanoparticles (GO-Ag) via a chemical reaction between the carboxyl groups of graphene and the primary amine functional groups on the PLGA-chitosan fibers using 3-(dimethylamino)propyl-N'-ethylcarbodiimide hydrochloride and N-hydroxysuccinimide as cross-linking agents. The attachment of GO-Ag sheets to the surface of PLGA-chitosan fibers was successfully revealed by scanning and transmission electron images. Upon direct contact with bacterial cells, the PLGA-chitosan mats functionalized with GO-Ag nanocomposites were able to effectively inactivate both Gram-negative (Escherichia coli and Pseudomonas aeruginosa) and Gram-positive (Staphylococcus aureus) bacteria. Our results suggest that covalent binding of GO-Ag nanocomposites to the surface of PLGA-chitosan mats opens up new opportunities for the production of cost-effective, scalable, and biodegradable coating materials with the ability to hinder microbial proliferation on solid surfaces.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle