Modelado predictivo de la eficacia antibacteriana en los nanocompuestos TiO₂/ZnO/CS utilizando redes neuronales...

Área de la Ciencia:

• Ciencia de los materiales Ciencia de los materiales.
• Nanotecnología La nanotecnología es la nanotecnología.
• Ciencias del medio ambiente Ciencias del medio ambiente.

Sus antecedentes:

• La creciente amenaza de patógenos resistentes a los medicamentos en las fuentes de agua requiere nuevas soluciones antibacterianas.
• Los materiales antibacterianos existentes a menudo carecen de mecanismos multifacéticos para el control integral de patógenos.

Objetivo del estudio:

• Desarrollar y caracterizar un nuevo nanocompuesto ternario TiO2/ZnO/CS para una mayor actividad antibacteriana.
• Para investigar los mecanismos antibacterianos sinérgicos del nanocompuesto.
• Emplear una red neuronal artificial (ANN) para predecir el rendimiento antibacteriano e identificar los determinantes clave del material.

Principales métodos:

• Síntesis y caracterización de un nanocompuesto ternario TiO2/ZnO/CS (proporción 1:2:1).
• Evaluación de la eficacia antibacteriana mediante pruebas de difusión de disco.
• Desarrollo y aplicación de una red neuronal artificial (ANN) para la predicción del rendimiento y el análisis de sensibilidad.

Principales resultados:

• El nanocompuesto TiO2/ZnO/CS demostró una eficacia antibacteriana significativamente mejorada en comparación con los componentes individuales.
• Los mecanismos sinérgicos incluyeron la generación de especies reactivas de oxígeno (ROS) fotocatalíticas, la liberación de iones Zn2+ y la ruptura de la membrana mediada por el quitosano (CS).
• El modelo ANN logró una alta precisión de predicción (R2 = 0,96) e identificó la superficie específica y el contenido de ZnO como factores críticos.

Conclusiones:

• El nanocompuesto TiO2 / ZnO / CS desarrollado ofrece una solución altamente efectiva para la purificación del agua contra patógenos resistentes a los medicamentos.
• El enfoque experimental-computacional integrado que utiliza ANN proporciona conocimientos mecanicistas y un marco para el diseño racional de nanomateriales.
• Este estudio establece una metodología transformadora para la optimización acelerada de nanomateriales multifuncionales.