Interaction of Carboxyalkylated Cellulose Nanocrystals and Antibiotics
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
Although antibiotics are beneficial for treating infections, their release into the environment has raised global concerns. In this work, the interactions of cellulose nanocrystal (CNC) derivatives with sulfamethoxazole (SMX), ciprofloxacin (CIP), and doxycycline (DOX) antibiotics were studied fundamentally. CNC was carboxyalkylated to bear different carbon chain lengths but similar negative charges on its surface. The highest level of adsorption of DOX on the carboxypantadecanated CNC (i.e., carboxyalkylated CNC with more carbon spacer, PCNC) occurred at pH 6.0, which was due to the electrostatic and π interactions along with hydrogen bonding. The contact angle and quartz crystal microbalance (QCM) adsorption analyses revealed a faster interaction and adsorption of DOX than other antibiotics on PCNC. The results also depicted the diffusion of DOX into the porous structure of CNC derivatives, especially that of PCNC. Also, a more compact adsorbed layer of DOX was formed on PCNC than on other CNC derivatives. Carboxyalkylation was observed to slightly reduce the surface area of CNC, while the antibiotic adsorption drastically increased the surface area of CNC due to their adsorption on the surface. XPS analysis revealed that carboxyalkylation significantly enhanced the C-C/C-H bond, while antibiotic adsorption on PCNC enhanced C-N/C-O and C-C/C-H bonds in antibiotic-loaded CNC samples. Overall, carboxyalkylated CNC was observed to have an outstanding affinity for capturing antibiotics, especially DOX, which could pave the way for the use of CNC in such applications that surface/antibiotic interactions were essential.
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) | 0,000 | 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 découle