In Situ Hybridization of Polymeric Curcumin to Arginine-Derived Carbon Quantum Dots for Synergistic Treatment of Bacterial Infections
Notice bibliographique
Résumé
Effective infectious keratitis treatment must eliminate the pathogen, reduce the inflammatory response, and prevent persistent damage to the cornea. Infectious keratitis is generally treated with broad-spectrum antibiotics; however, they have the risk of causing corneal epithelial cell damage and drug resistance. In this study, we prepared a nanocomposite (Arg-CQDs/pCur) from arginine (Arg)-derived carbon quantum dots (Arg-CQDs) and polymeric curcumin (pCur). Partial carbonization of arginine hydrochloride in the solid state by mild pyrolysis resulted in the formation of CQDs, which exhibited enhanced antibacterial activity. pCur was formed by the polymerization of curcumin, and further crosslinking reduced its cytotoxicity and improved antioxidative, anti-inflammatory, and pro-proliferative activities. The pCur in situ conjugated with Arg-CQDs to form the Arg-CQDs/pCur nanocomposite, which showed a minimum inhibitory concentration of ca. 10 μg mL –1, which was >100-fold and >15-fold lower than that of the precursor arginine and curcumin, respectively, against Staphylococcus aureus, Escherichia coli, and Pseudomonas aeruginosa . The Arg-CQDs/pCur nanocomposite with combined antibacterial, antioxidative, anti-inflammatory, pro-proliferative properties, and long-term retention on cornea enabled synergistic treatment of bacterial keratitis. In a rat model, it can effectively treat P. aeruginosa -induced bacterial keratitis at a concentration 4000-fold lower than the commercially used drug, Sulmezole eye drops. Arg-CQDs/pCur nanocomposites have great potential for application in antibacterial and anti-inflammatory nanoformulations for clinical use to treat infectious diseases.
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) | 0,001 | 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 ».