In Vitro antibacterial and antibiotic-potentiation activities of four edible plants against multidrug-resistant gram-negative species
Notice bibliographique
Résumé
BACKGROUND: The present study was designed to investigate the antibacterial activities of the methanol extracts of four Cameroonian edible plants, locally used to treat microbial infections, and their synergistic effects with antibiotics against a panel of twenty nine Gram-negative bacteria including Multi-drug resistant (MDR) phenotypes expressing active efflux pumps. METHODS: The broth microdilution method was used to determine the minimum inhibitory concentrations (MICs) of the extracts [alone and in the presence of the efflux pumps inhibitor (EPI) Phenylalanine-Arginine β-Naphtylamide (PAβN)], and those of antibiotics in association with the two of the most active ones, Piper nigrum and Telfairia occidentalis. The preliminary phytochemical screening of the extracts was conducted according to the standard phytochemical methods. RESULTS: Phytochemical analysis showed the presence of alkaloids and flavonoids in all studied extracts. Other chemical classes of secondary metabolites were selectively present in the extracts. The results of the MIC determination indicated that the crude extracts from P. nigrum and V. amygdalina were able to inhibit the growth of all the twenty nine studied bacteria within a concentration range of 32 to 1024 μg/mL. At a similar concentration range (32 to 1024 μg/mL) the extract from T. occidentalis inhibited the growth of 93.1% of the tested microorganisms. At MIC/2 and MIC/5, synergistic effects were noted between the extracts from P. nigrum and T. occidentalis and seven of the tested antibiotics on more than 70% of the tested bacteria. CONCLUSION: The overall results of the present study provide information for the possible use of the studied edible plants extracts in the control of bacterial infections including MDR phenotypes.
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) | 0,001 | 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 ».