CHARACTERIZATION AND ANTIBACTERIAL STUDIES OF LEAF ASSISTED SILVER NANOPARTICLES FROM CARICA PAPAYA: A GREEN SYNTHETIC APPROACH
Notice bibliographique
Résumé
Objective: The aim of this study is to synthesis silver nanoparticles using C arica papaya leaf extracts and testing its antibacterial activity. Methods: Silver nanoparticles (Agnps) were prepared by treating Carica papaya leaf extracts with 1 mm silver nitrate (AgNO 3 ). The bioreduced silver nanoparticles were characterized by ultraviolet visible spectroscopy (UV-Vis), Fourier transform infrared spectroscopy (FTIR) and the size and shape of the silver nanoparticles were obtained from transmission electron microscopy (TEM). The synthesized silver nanoparticles were tested for their antibacterial activity by disc diffusion method. Results: From the UV spectrum, it was observed that the peak at 430 nm showing the reduction of silver ions to stable silver nanoparticles. The size of the biosynthesized nanoparticles was in the range of 10-50 nm obtained from TEM image. FTIR measurements provided the bands at different wave numbers, indicating the stretching of alcohols, carboxylic acids, esters and ethers. The synthesized silver nanoparticles exhibited an excellent bactericidal activity against bacterial strains like Bacillus subtilis, Escherichia coli, Pseudomonas aeruginosa and Staphylococcus aureus . Conclusion: Green synthesis of silver nanoparticles using papaya leaf extract exhibited effective antibacterial property.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».