Bactericidal Effect and Cytotoxicity of Graphene Oxide/Silver Nanocomposites
Notice bibliographique
Résumé
To tackle the proliferation of pathogenic microorganisms without relying on antibiotics, innovative materials boasting antimicrobial properties have been engineered. This study focuses on the development of graphene oxide/silver (GO/Ag) nanocomposites, derived from partially reduced graphene oxide adorned with silver nanoparticles. Various nanocomposites with different amounts of silver (GO/Ag-1, GO/Ag-2, GO/Ag-3, and GO/Ag-4) were synthesized, and their antibacterial efficacy was systematically studied. The silver nanoparticles were uniformly deposited on the partially reduced graphene oxide surface, exhibiting spherical morphologies with an average size of 25 nm. The nanocomposites displayed potent antibacterial properties against both gram-positive bacteria ( S. aureus and B. subtilis ) and gram-negative bacteria ( E. coli and S. enterica ) as confirmed by minimum inhibition concentration (MIC) studies and time-dependent experiments. The optimal MIC for Gram-positive bacteria was 62.5 μg/mL and for Gram-negative bacteria was 125 μg/mL for the GO/Ag nanocomposites. Bacterial cells that encountered the nanocomposite films exhibited significantly greater inhibitory effects compared to those exposed to conventional antibacterial materials. Furthermore, the cytotoxicity of these nanocomposites was assessed using human epithelial cells (HEC), revealing that GO/Ag-1 and GO/Ag-2 exhibited lower toxicity levels toward HEC and remained compatible even at higher dilution rates. This study underscores the potential of GO/Ag-based nanocomposites as versatile materials for antibacterial applications, particularly as biocompatible wound dressings, offering promising prospects for wound healing and infection control.
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 | 0,000 |
| 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 ».