MétaCan
Menu
Retour à la cohorte
Enregistrement W4289861516 · doi:10.1111/php.13686

Exploring the Antibacterial Properties of Lignin‐coated Magnetic Nanoparticles Synthesized in a One‐pot Process<sup>†</sup>

2022· article· en· W4289861516 sur OpenAlexafffund
Daliane R. C. da Silva, J. C. Scaiano

Notice bibliographique

RevuePhotochemistry and Photobiology · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Nanomaterials in Catalysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésBiocompatibilityNanomaterialsAntibacterial activityLigninNanocompositeNanotechnologyMaterials scienceIrradiationNanoparticleCoatingChemistryChemical engineeringOrganic chemistryBacteria

Résumé

récupéré en direct d'OpenAlex

Given the current grave problems with antibiotic resistance, the discovery of novel, unconventional antibacterial drugs is not just important but also urgent. In this contribution, we report on the synthesis and testing of several composite nanomaterials that may find applications as therapeutic drugs or surface disinfectants. These materials are based on magnetic nanostructures coated with lignin, for example, lignin@FeCo. The magnetic properties of these nanocomposites facilitate removal or localization, whereas the lignin shell provides biocompatibility. These nanomaterials are mild antibacterials in the absence of light, but when illuminated become powerful antibacterial agents with typically ≥6 log units of bacterial reduction in 1-5 min of irradiation. These materials are strongly absorbing, including in the very useful NIR biological window, which we illustrate using 810 nm LED irradiation. We also show that in the short time required for antibacterial action, thermal changes are very small (≤5°C). Further, biocompatibility tests using fibroblasts show very limited cell damage and no enhanced adverse effect during 810 nm NIR illumination. As a surface coating for the active material, lignin provides a "trojan horse" strategy to facilitate the antibacterial action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,238
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhotochemistry and PhotobiologyMême sujetAdvanced Nanomaterials in CatalysisTravaux en français237 207