In vitro characterization of bionanocomposites with green silver nanoparticles: A step towards sustainable wound healing materials
Notice bibliographique
Résumé
Abstract This study investigated the characterization, antifungal activity, and biocompatibility of green agar/silver and collagen/silver bionanocomposite films for wound healing and cell growth scaffolds. Silver nanoparticles (AgNPs) are known for their antimicrobial properties, but their toxicity and harsh synthesis limit their applications. To address this, green‐synthesized AgNPs G‐AgNPs were incorporated into agar/collagen suspensions at specific concentrations and three different G‐AgNP‐agar and two different G‐AgNP‐col bionanocomposite films were produced. Nanoparticle homogeneity and film quality were characterized through SEM analysis. Mechanical properties were tested using a uniaxial tensile tester, revealing that the bioplastic control samples exhibited UTS of 3.86 MPa compared to 0.60 MPa for collagen, a 6‐fold improvement. Viable cell metabolic activity derived from MTT assay showed that Col‐4%AgNPs and Bio‐30%AgNPs had a 42.9% and 51.6% increase in net metabolic activity respectively compared to control on day 4. Fluorescence microscopy confirmed enhanced cell adhesion and proliferation in G‐AgNP‐incorporated samples. Antifungal properties were evaluated against Cladosporium spores, able to cause severe diseases when in contact with human skins, following ISO 16869:2008 standards. The demonstrated unique properties and tunability of G‐AgNPs bionanocomposites can be employed in a variety of specialties for wound‐healing applications, to improve rate and quality of healing while reducing the risk of infection.
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 ».