DOI: https://doi.org/10.1038/s41598-026-36565-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41622261
تاريخ النشر: 2026-02-01
المؤلف: Mousa Sadeghi‐Kiakhani وآخرون
الموضوع الرئيسي: الجسيمات النانوية: التركيب والتطبيقات
نظرة عامة
تبحث هذه الدراسة في التخليق المستدام لجزيئات النانو ثنائية المعدن من البالاديوم والبلاتين (Pd/Pt NPs) باستخدام نفايات الزعفران كعامل اختزال وتثبيت صديق للبيئة في طريقة التخليق النباتي المعتمدة على الميكروويف. نجحت الدراسة في ترسيب Pd/Pt NPs على أقمشة القطن، مما عزز خصائصها المضادة للبكتيريا وثبات الألوان. تم استخدام شبكة عصبية اصطناعية (ANN) مع خوارزمية جينية (GA) لتحسين وتوقع قوة اللون (K/S) للنسيج المعالج، محققة معامل ارتباط مرتفع (R² = 0.99) وتفوقت على منهجية سطح الاستجابة التقليدية (RSM). أكدت تقنيات التوصيف الشاملة، بما في ذلك تشتت الضوء الديناميكي (DLS)، وطيف الأشعة فوق البنفسجية والمرئية، وطيف الأشعة تحت الحمراء بتحويل فورييه (FTIR)، والمجهر الإلكتروني الماسح مع طيف الأشعة السينية المشتتة للطاقة (FESEM-EDX)، وتحليل حيود الأشعة السينية (XRD)، على التكوين الناجح والتوزيع المتجانس لـ Pd/Pt NPs على ألياف القطن.
أظهرت الأقمشة المعالجة نشاطًا مضادًا للبكتيريا استثنائيًا، مع معدل تثبيط بنسبة 99% ضد كل من المكورات العنقودية الذهبية إيجابية الجرام والإشريكية القولونية سالبة الجرام، إلى جانب ثبات قوي للألوان ضد الفرك والغسيل والتعرض للضوء. بينما تسلط الدراسة الضوء على الإمكانيات للتطبيقات العملية، فإنها تعترف بالقيود المتعلقة بالتنوع الطبيعي لنفايات الزعفران، والتي قد تؤثر على حجم وشكل الجسيمات النانوية. يجب أن تركز الأبحاث المستقبلية على تحسين معلمات التخليق لضمان ترسيب الجسيمات النانوية بشكل متسق واستكشاف نفايات زراعية أخرى كمصادر قائمة على البيولوجيا. بشكل عام، توضح هذه الدراسة دمج تكنولوجيا النانو الخضراء وتعلم الآلة في تطوير أقمشة مضادة للبكتيريا مستدامة وذكية، مما يساهم في تصنيع الأقمشة بطريقة مسؤولة بيئيًا.
طرق
في هذا القسم، يوضح المؤلفون المواد والأساليب المستخدمة لاستخراج وتوصيف الأصباغ الطبيعية من بتلات وزهور الزعفران المستمدة من خراسان، إيران. تم تجفيف نفايات الزعفران في الظل، وطحنها، وخضعت لعملية استخراج متسقة تكررت ثلاث مرات لضمان القابلية للتكرار. استخدمت تجارب الصباغة قماش قطن عادي، وتم الحصول على مواد كيميائية عالية النقاء مثل حمض الهيكسكلوروبلاتينيك وأسيتات البالاديوم من موردين موثوقين. لاختبار النشاط المضاد للبكتيريا، تم زراعة سلالات قياسية من *Staphylococcus aureus* و*Escherichia coli* في مرق مولر-هينتون.
تم إجراء استخراج الأصباغ الطبيعية باستخدام نظام ميكروويف Milestone flexiWAVE، وتم توصيف جزيئات النانو البالاديوم/البلاتين (Pd/Pt NPs) من خلال تقنيات تحليلية متنوعة. شملت هذه التقنيات طيف الأشعة تحت الحمراء بتحويل فورييه (FTIR) لتحليل مجموعات الوظائف، والمجهر الإلكتروني الماسح (FESEM) المدمج مع طيف الأشعة السينية المشتتة للطاقة (EDX) لتوصيف السطح والتركيب العنصري، وتشتت الضوء الديناميكي (DLS) لتوزيع حجم الجسيمات. تم تقييم الهيكل البلوري من خلال تحليل حيود الأشعة السينية (XRD)، بينما تم تأكيد الاستقرار العنصري باستخدام طيف الفلورسنت بالأشعة السينية (XRF). تم قياس الخصائص اللونية باستخدام مقياس الطيف X-Rite GretagMacbeth، مع حسابات للون (C) وزاوية اللون (h°) بناءً على إحداثيات CIELAB، وتم تقييم قوة اللون باستخدام دالة كوبيلكا-مونك.
النتائج
في قسم النتائج، يتم تقديم تحليل الشبكة العصبية الاصطناعية (ANN) المدمجة مع نمذجة الخوارزمية الجينية (GA). تشير النتائج إلى أن نهج ANN-GA يعزز بدقة التنبؤ مقارنة بتقنيات النمذجة التقليدية. يعمل دمج GA على تحسين معلمات ANN، مما يؤدي إلى تحسين مقاييس الأداء، مثل تقليل متوسط الخطأ التربيعي (MSE) وزيادة معاملات الارتباط.
علاوة على ذلك، تظهر النتائج أن نموذج ANN-GA يظهر قدرات تعميم قوية عبر مجموعات بيانات متنوعة، مما يشير إلى قابليته للتطبيق في سيناريوهات مختلفة. تسلط المناقشة الضوء على أهمية هذه النتائج في تقدم منهجيات النمذجة، مع التأكيد على إمكانية استخدام ANN-GA لمعالجة المشكلات المعقدة في المجالات التي تتطلب تحليلات تنبؤية.
المناقشة
في هذه الدراسة، تم تحسين إعداد مستخلصات بوليمرية مستدامة قائمة على الزعفران (SPE) ومستخلصات مستدامة قائمة على الزعفران (SSE) لتخليق جزيئات النانو من البالاديوم/البلاتين (Pd/Pt NPs) على قماش القطن. شمل الاستخراج تقنيات مساعدة بالميكروويف مع كميات متغيرة من الزعفران والماء، تلاها تخليق Pd/Pt NPs من خلال اختزال أيونات المعادن باستخدام هذه المستخلصات. تم توصيف جزيئات النانو الناتجة باستخدام طيف الأشعة فوق البنفسجية والمرئية، FTIR، وDLS، مما يؤكد تشكيلها واستقرارها. كان الحجم المتوسط للجزيئات النانوية المُصنعة حوالي 53.4 نانومتر، مما يشير إلى ملاءمتها لتطبيقات النسيج.
تم استخدام إطار عمل إحصائي قوي وتعلم الآلة لنمذجة العلاقة بين معلمات التخليق وقوة اللون (K/S) للأقمشة المصبوغة. كشفت التحليلات الأولية عن ارتباطات كبيرة، خاصة مع أيونات البلاتين، مما أدى إلى تطوير نموذج شبكة عصبية اصطناعية (ANN) حقق R² قدره 0.99، متفوقًا على نمذجة سطح الاستجابة التقليدية. تم دمج ANN مع خوارزمية جينية (GA) لتحسين ظروف التخليق، مما أدى إلى قيمة K/S متوقعة تتطابق بشكل وثيق مع النتائج التجريبية. أظهرت الأقمشة المعالجة تحسينًا في ثبات الألوان وخصائص مضادة للبكتيريا، حيث أدى إدماج Pd/Pt NPs إلى تحسين مقاييس الأداء بشكل ملحوظ مقارنة بالعناصر غير المعالجة. بشكل عام، تظهر النتائج إمكانية استخدام المستخلصات الطبيعية للتخليق الصديق للبيئة للجزيئات النانوية المعدنية، مما يعزز كل من الخصائص الجمالية والوظيفية للأقمشة.
DOI: https://doi.org/10.1038/s41598-026-36565-4
PMID: https://pubmed.ncbi.nlm.nih.gov/41622261
Publication Date: 2026-02-01
Author(s): Mousa Sadeghi‐Kiakhani et al.
Primary Topic: Nanoparticles: synthesis and applications
Overview
This research investigates the sustainable synthesis of palladium-platinum bimetallic nanoparticles (Pd/Pt NPs) using saffron waste as a green reducing and stabilizing agent in a microwave-assisted phytosynthesis method. The study successfully deposited Pd/Pt NPs onto cotton fabrics, enhancing their antibacterial and colorfastness properties. An artificial neural network (ANN) combined with a genetic algorithm (GA) was employed to optimize and predict the color strength (K/S) of the treated textiles, achieving a high correlation coefficient (R² = 0.99) and outperforming traditional response surface methodology (RSM). Comprehensive characterization techniques, including dynamic light scattering (DLS), UV-Visible spectroscopy, Fourier-transform infrared spectroscopy (FTIR), field emission scanning electron microscopy with energy dispersive X-ray spectroscopy (FESEM-EDX), and X-ray diffraction (XRD), confirmed the successful formation and uniform distribution of Pd/Pt NPs on the cotton fibers.
The treated fabrics demonstrated exceptional antibacterial activity, with a 99% inhibition rate against both Gram-positive Staphylococcus aureus and Gram-negative Escherichia coli, alongside strong colorfastness to rubbing, washing, and light exposure. While the study highlights the potential for practical applications, it acknowledges limitations related to the natural variability of saffron waste, which may affect nanoparticle size and morphology. Future research should focus on optimizing synthesis parameters for consistent nanoparticle deposition and exploring other agricultural wastes as biobased resources. Overall, this work illustrates the integration of green nanotechnology and machine learning in developing sustainable, smart antibacterial textiles, contributing to environmentally responsible textile manufacturing.
Methods
In this section, the authors detail the materials and methods used for the extraction and characterization of natural dyes from saffron petals and stamens sourced from Khorasan, Iran. The saffron waste was shade-dried, ground, and subjected to a consistent extraction process repeated three times to ensure reproducibility. The dyeing experiments utilized plain-woven cotton fabric, and high-purity chemicals such as hexachloroplatinic acid and palladium acetate were sourced from reputable suppliers. For antibacterial testing, standard strains of *Staphylococcus aureus* and *Escherichia coli* were cultured in Mueller-Hinton Broth.
The extraction of natural dyes was performed using a Microwave Milestone flexiWAVE system, and the synthesized palladium/platinum nanoparticles (Pd/Pt NPs) were characterized through various analytical techniques. These included Fourier-transform infrared (FTIR) spectroscopy for functional group analysis, field emission scanning electron microscopy (FESEM) coupled with energy-dispersive X-ray spectroscopy (EDX) for surface morphology and elemental composition, and dynamic light scattering (DLS) for particle size distribution. The crystalline structure was assessed via X-ray diffraction (XRD), while elemental stability was confirmed using X-ray fluorescence (XRF) spectroscopy. Colorimetric properties were measured using an X-Rite GretagMacbeth spectrophotometer, with calculations for chroma (C) and hue angle (h°) based on CIELAB coordinates, and color strength was evaluated using the Kubelka-Munk function.
Results
In the section on results, the analysis of the Artificial Neural Network (ANN) combined with Genetic Algorithm (GA) modeling is presented. The findings indicate that the ANN-GA approach effectively enhances predictive accuracy compared to traditional modeling techniques. The integration of GA optimizes the ANN parameters, leading to improved performance metrics, such as reduced mean squared error (MSE) and increased correlation coefficients.
Furthermore, the results demonstrate that the ANN-GA model exhibits robust generalization capabilities across various datasets, suggesting its applicability in diverse scenarios. The discussion highlights the significance of these findings in advancing modeling methodologies, emphasizing the potential for ANN-GA to address complex problems in fields requiring predictive analytics.
Discussion
In this study, the preparation of saffron-based sustainable polymeric extracts (SPE) and saffron-based sustainable extracts (SSE) was optimized for the synthesis of palladium/platinum nanoparticles (Pd/Pt NPs) on cotton fabric. The extraction involved microwave-assisted techniques with varying quantities of saffron and water, followed by the synthesis of Pd/Pt NPs through the reduction of metal ions using these extracts. The resulting nanoparticles were characterized using UV-Visible spectroscopy, FTIR, and DLS, confirming their formation and stability. The average size of the synthesized nanoparticles was approximately 53.4 nm, indicating their suitability for textile applications.
A robust statistical and machine learning framework was employed to model the relationship between synthesis parameters and color strength (K/S) of the dyed fabrics. Initial analyses revealed significant correlations, particularly with Pt ions, leading to the development of an artificial neural network (ANN) model that achieved an R² of 0.99, outperforming traditional response surface modeling. The ANN was integrated with a genetic algorithm (GA) to optimize synthesis conditions, resulting in a predicted K/S value closely matching experimental results. The treated fabrics exhibited enhanced color fastness and antibacterial properties, with the incorporation of Pd/Pt NPs significantly improving performance metrics compared to untreated samples. Overall, the findings demonstrate the potential of using natural extracts for the eco-friendly synthesis of metallic nanoparticles, enhancing both the aesthetic and functional properties of textiles.