Blue Laser-Activated Silver Nanoparticles from Grape Seed Extract for Photodynamic Antimicrobial Therapy Against <i>Escherichia coli</i> and <i>Staphylococcus aureus</i>
Notice bibliographique
Résumé
Introduction: Living organisms, particularly humans, frequently encounter microorganisms like bacteria, fungi, and viruses in their surroundings. Silver nanoparticles are widely used in biomedical devices due to their antibacterial, antifungal, and antiviral properties. The study evaluates the efficacy of blue laser and silver nanoparticles from grape seed extract (AgNPs-GSE) in reducing gram-negative Escherichia coli and gram-positive Staphylococcus aureus bacteria causing infections. Methods: The sample consisted of four groups: a control without laser irradiation (T0), E. coli samples (A1 and A2) irradiated with a 405 nm diode laser at different times and concentrations of silver nanoparticles, and S. aureus samples (A3 and A4) irradiated with a 405 nm diode laser at different times and concentrations. Bacteria in groups A2 and A4 were treated with a photosensitizer (PS) made from grape seed extracts, incubated for 10 minutes, and then irradiated for 90, 120, 150, and 180 seconds. The samples were cultured on Tryptic Soy Agar (TSA) media, incubated at 37 °C, counted by using a Quebec colony counter, and analyzed using ANOVA and Tukey tests with a significance level of P<0.05. Results: The study found that 10 µl of AgNPs-GSE, when combined with exposure to a blue laser at 405 nm and a dose of 3.44 J/cm², can effectively photoinactivate E. coli and S. aureus bacteria. The addition of AgNPs-GSE to E. coli bacteria led to a significant reduction in their viability, with a reduction of 73.93%, 80.96%, and 83.80%, respectively. Similarly, when S. aureus bacteria were irradiated for 180 seconds by adding 1 mM, 1.5 mM, and 2 mM AgNPs-GSE, bacterial viability was reduced by 70.87%, 78.04%, and 87.01%, respectively. Conclusion: The findings from the present study indicate that at an energy density of 3.44 J/cm², it was possible to inactivate E. coli by 83.80% and S. aureus by 87.01%.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».