Spectroscopic studies of biocompatibility of novel carbon-ceramic nanocomposites

Materiały nanokompozytowe są coraz powszechniej wykorzystywane w inżynierii biomedycznej. Jednym z używanych w tych celach nanomateriałów są nanorurki węglowe (ang. Carbon nanotubes CNTs), które charakteryzują się wysoką wytrzymałością mechaniczną, interesującymi właściwościami elektrycznymi, wysokim przewodnictwem cieplnym ale również mogą poprawiać osteoinduktywność co jest niezwykle ważne w przypadku biomateriałów stosowanych w implantologii. Ponadto CNTs charakteryzują się wysokim przekrojem czynnym na rozpraszanie ramanowskie dzięki czemu można je charakteryzować za pomocą spektroskopii Ramana.W niniejszej pracy analizowane były warstwy osadzone na stali nierdzewnej austenitycznej, składające się z warstw funkcjonalizowanych nanorurek węglowych oraz nanohydroksyapatytu (nHAp) lub nanokrzemionki (nSiO2). W celu określenia współczynników uporządkowania R1 i R2 poszczególnych złożonych warstw analizowano w zakresie 1750-1000 cm-1 trzy pasma: pasmo G (ok. 1580 cm-1, zwane „grafitowym” związane z drganiami struktur uporządkowanych), pasma D i D2 (przy liczbach falowych odpowiednio ok. 1350 i 1620 cm-1 związane z drganiami spowodowanymi obecnością defektów punktowych). Wymienione pasma posłużyły również do obliczenia wielkości domen uporządkowanych (La) oraz odległości pomiędzy defektami punkowymi (LD) w opisywanych nanomateriałach.Analizy wykazały, że wartość współczynnika R2 rośnie dla warstwy złożonej nHAp/CNT w stosunku do warstwy nHAp i wzrasta również po inkubacji biomateriału przez 21 dni w sztucznym osoczu SBF (ang. Simulated body fluid). Ponadto można zauważyć, że materiał staje się bardziej nieuporządkowany (zmniejszanie się domen uporządkowanych, zagęszczanie się defektów punktowych). Odwrotnie jest w przypadku gdy warstwa nanorurek zostaje pokryta warstwą nanokrzemionki. Współczynniki uporządkowania maleją, biomateriały stają się bardziej uporządkowane, również po 21-dniowej inkubacji w SBF. Można więc wnioskować, że warstwa nHAp/CNTs jest bardziej biokompatybilna niż warstwa CNTs/nSiO2, która ma lepsze własności barierowe. Dodatkowo badano kinetykę adsorpcji albuminy ludzkiej na obu rodzajach nanowarstw, do czego posłużyła analiza korelacyjna 2D.Nanocomposite materials are widely used in biomedical engineering. One of the nanomaterials used for this purpose are carbon nanotubes (CNTs), which are known of their excellent mechanical properties, electrical and thermal conductivity, but also they can increase biocompatibility of stainless steel and titanium, what is very important for materials used in implantology. CNTs are characterised by high Raman scattering cross-section, so they can be succesfully investigated by means of Raman spectroscopy.In this study nanocomposites deposited on a stainless steel substrate covered with layers of functionalized CNTs and nanohydroxyapatite (nHAp) or nanosilica (nSiO2) were analysed. To study the layer ordering parameters R1 and R2 (when R2>0,5, material is disordered and more biocompatible) three Raman bands of CNTs were considered: G band (1581 cm-1, „Graphite band‟ associated with vibration within graphite layer, so to ordered carbon structures), D and D2 bands (1352 and 1620 cm-1 respectively, associated with defect modes). These bands parameters were also used to calculate the sizes of ordered domains (La) and the distances between point deffects (LD) in each of biomaterials.Results show that R1 and R2 ratios increases after formation of nanocomposite nHAp layer, and also after incubation for 21 days in SBF (Simulated Body Fluid) solution. Additionaly the ordered domains are smaller after that treatment. Inversely addition of nSiO2 layer and incubation in SBF solution leads to decrease of the R1 and R2 ratios and make ordered domains bigger, Thus nHAp/CNTs nanocomposite is more disordered than CNTs/nSiO2 nanocomposite and incubation in SBF solution increasing and decreasing the disorder in nanocomposites with nHAp and nSiO2 respectively. The albumin adsorbtion kinetics was investigated employing 2D correlation analysis