Impact of Protecting Ligands on Surface Structure and Antibacterial Activity of Silver Nanoparticles
Notice bibliographique
Résumé
Silver nanoparticles (Ag NPs) have attracted much attention in the past decade because of their unique physicochemical properties and notable antibacterial activities. In particular, thiol-protected Ag NPs have come to the forefront of metal nanoparticle studies, as they have been shown to possess high stability and interesting structure-property relationships. However, a clear correlation between thiol-protecting ligands, the resulting Ag NP surface structure, and their antibacterial properties has yet to be determined. Here, a multielement (Ag and S), multi-edge (Ag K-edge, Ag L3-edge, S K-edge) X-ray absorption spectroscopy (XAS) methodology was used to identify the structure and composition of Ag NPs protected with cysteine. XAS characterization was carried out on similar-sized Ag NPs protected with poly(vinylpyrrolidone) (PVP), in order to provide a valid comparison of the ligand effect on surface structure. The PVP-Ag NPs showed a metallic Ag surface and composition, consistent with metal NPs protected by weak protecting ligands. On the other hand, the Cys-Ag NPs exhibited a distinct surface shell of silver sulfide, which is remarkably different than previously studied Cys-Ag NPs. The minimum inhibitory concentration (MIC) of both types of Ag NPs against Gram-positive (+) and Gram-negative (-) bacteria were tested, including Staphylococcus aureus (+), Escherichia coli (-), and Pseudomonas aeruginosa (-). It was found that the MICs of the Cys-Ag NPs were significantly lower than the PVP-Ag NPs for each bacteria, implicating the influence of the sulfidized surface structure. Overall, this work shows the effect of ligand on the surface structure of Ag NPs, as well as the importance of surface structure in controlling antibacterial activity.
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 | 0,000 | 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 | 0,000 | 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 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 ».