Bactericidal and Anti-Biofilm Activity of Ethanol Extracts Derived from Selected Medicinal Plants against Streptococcus pyogenes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: There is a growing interest in medicinal plants which have been traditionally used for the treatment of human infections. This study assessed 14 ethanol extracts (EEs) on bacterial growth and biofilm formation of Streptococcus pyogenes. Methods: Constituent major phytochemicals in the extracts were identified using ultra performance liquid chromatography-electrospray ionization-tandem mass spectrometry (UPLC-ESI-MS/MS). Micro-broth dilution and time-kill assays were used to determine antibacterial activities. Anti-biofilm activities were studied using MTT assay, and morphology of biofilms was observed by scanning electron microscopy (SEM). Transmission electron microscopy (TEM) was employed to visualize the ultra-cross section structure of bacteria treated with efficacious extracts. Results: Licorice root, purple coneflower flower, purple coneflower stem, sage leaves and slippery elm inner bark EEs were the most effective, with minimum inhibitory concentrations (MIC) and minimum bactericidal concentrations (MBC) of 62.5 μg/mL and 125 μg/mL, respectively. The minimum biofilm inhibitory concentration (MBIC) of extracts ranged from 31.5–250 μg/mL. Morphological changes were observed in treated biofilms compared to the untreated. The four most effective extracts exhibited the ability to induce degradation of bacterial cell wall and disintegration of the plasma membrane. Conclusion: We suggest that EEs of sage leaf and purple coneflower flower are promising candidates to be further investigated for developing alternative natural therapies for the management of streptococcal pharyngitis.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 découle