MétaCan
Menu
Retour à la cohorte
Enregistrement W4404007431 · doi:10.1038/s41598-024-78320-7

Engineering of self-assembled silver-peptide colloidal nanohybrids with enhanced biocompatibility and antibacterial activity

2024· article· en· W4404007431 sur OpenAlexfundno aff
Nyla Saeed, Atia Atiq, Farhat Rafiq, Iliyas Khan, Maria Atiq, Muhammad Hamzah Saleem, Dalaver H. Anjum, Zahid Usman, Manzar Abbas

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityKhalifa University of Science, Technology and ResearchNew York University Abu Dhabi
Mots-clésBiocompatibilityPeptideColloidNanotechnologyColloidal particleMaterials scienceChemistryBiochemistryMetallurgyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Several bacterial strains have developed resistance against commercial antibiotics, and interestingly, supramolecular nanomaterials have shown considerable advantages for antibacterial applications. However, the main challenges in adopting nanotechnology for antibacterial studies are random aggregation, compromised toxicity, multi-step preparation approaches, and unclear structure-function properties. Herein, we designed the amphiphilic tripeptide that acts as a reducing and capping agent for silver metal to form silver-peptide colloidal nanohybrids with the mild assistance of UV light (254 nm) through the photochemical reduction method. The nanohybrids are characterized by different spectroscopic and microscopic techniques, and non-covalent molecular interactions between metal and peptide building blocks confirm their central role in the formation of nanohybrids. The tripeptide is biocompatible and can reduce the toxicity of silver ions (Ag + ) by reducing to Ag 0 . These colloidal nanohybrids showed antibacterial activity against gram-negative and gram-positive bacterial strains, and the possible mechanism of killing bacterial cells could be membrane disruption. This synthetic strategy is facile and green, which helps avoid using toxic chemicals or reagents and complicated methods for colloidal nanohybrid preparation for biomedical applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,226
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207