Optimization and integration of nanosilver on polycaprolactone nanofibrous mesh for bacterial inhibition and wound healing in vitro and in vivo
Notice bibliographique
Résumé
Abstract: Bacterial infection is a major hurdle to wound healing, and the overuse of antibiotics have led to global issue, such as emergence of multidrug-resistant bacteria, even “super bacteria”. On the contrary, nanosilver (NS) can kill bacteria without causing resistant bacterial strains. In this study, NS was simply generated in situ on the polycaprolactone (PCL) nanofibrous mesh using an environmentally benign and mussel-inspired dopamine (DA). Scanning electron microscopy showed that NS uniformly formed on the nanofibers of PCL mesh. Fourier transform infrared spectroscopy revealed the step-by-step preparation of pristine PCL mesh, including DA coating and NS formation, which were further verified by water contact angle changing from hydrophobic to hydrophilic. To optimize the NS dose, the antibacterial activity of PCL/NS against Staphylococcus aureus , Escherichia coli and Acinetobacter baumannii was detected by bacterial suspension assay, and the cytotoxicity of NS was evaluated using cellular morphology observation and Cell Counting Kit-8 (CCK8) assay. Then, inductively coupled plasma atomic emission spectrometry exhibited that the optimized PCL/NS had a safe and sustained silver release. Moreover, PCL/NS could effectively inhibit bacterial infection in an infectious murine full-thickness skin wound model. As demonstrated by the enhanced level of proliferating cell nuclear antigen (PCNA) in keratinocytes and longer length of neo-formed epidermis, PCL/NS accelerated wound healing by promoting re-epithelialization via enhancing keratinocyte proliferation in infectious wounds. Keywords: polycaprolactone nanofibrous mesh, mussel inspired, nanosilver, anti-infection activity, wound healing, re-epithelialization
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 ».