Silver Nanoparticles as Antifungal Agents in Acrylic Latexes: Influence of the Initiator Type on Nanoparticle Incorporation and Aureobasidium pullulans Resistance
Notice bibliographique
Résumé
Discoloration of wood coatings due to fungal growth negatively affects the aesthetic properties of the coatings, and new ways to control fungal growth on coatings are needed. For this reason, silver nanoparticles (AgNPs) have been incorporated in acrylic latexes as antifungal agents. Using miniemulsion polymerization, latexes were prepared with two types of initiators (hydrophilic and hydrophobic) to assess the influence of the initiator type on AgNPs dispersion, both within the latex particles and the dry film. In addition, the impact of NP dispersion on resistance to black-stain fungi (Aureobasidium pullulans) was also evaluated. Inductively coupled plasma optical emission spectroscopy (ICP-OES) analysis indicates that acrylic latexes prepared with azobisisobutyronitrile (AIBN) as the initiator contain more AgNPs than those prepared with potassium persulfate (KPS). Cryo-TEM and SEM analyses show that the distribution of the AgNPs within the polymer particles is influenced by the nature of the initiator. When AIBN, a hydrophobic initiator, is used, the AgNPs appear to be closer to the surface of the polymer particles and more evenly distributed. However, the antifungal efficiency of the AgNPs-embedded latexes against A. pullulans is found to be higher when KPS is used, despite this initiator leading to a smaller amount of incorporated AgNPs and a less uniform dispersion of the nanoparticles.
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 | 0,001 |
| 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 ».