Herbal Extracts as Potential Antioxidant, Anti‐Aging, Anti‐Inflammatory, and Whitening Cosmeceutical Ingredients
Notice bibliographique
Résumé
The aim of this research was to investigate and compare the antioxidant, anti-tyrosinase, anti-aging, and anti-inflammatory activities of 16 herbal extracts for topical application in cosmetic/cosmeceutical products. Herbal plant materials were extracted by infusion in boiled water for 15 min. The total phenolic content and total flavonoid content of each extract were investigated by the Folin-Ciocalteu and aluminum chloride methods, respectively. Antioxidant activities were investigated using 2,2'-diphenyl-1-picrylhydrazyl and a ferric reducing antioxidant power assay. Anti-tyrosinase and anti-aging activities were investigated using an in vitro enzymatic-spectrophotometric method. Anti-inflammatory activities were investigated using an enzyme-linked immunosorbent assay. The findings show that the Stevia rebaudiana extract has the most significant levels of both phenols and flavonoids (p<0.05). The S. rebaudiana, Rosa damascene, and Phyllanthus emblica extracts possessed the most significant antioxidant activities (p<0.05) and a promising whitening effect with moderate anti-tyrosinase activities. Furthermore, the Echinacea purpurea extract possessed the most significant anti-collagenase (78.5±0.0 %), anti-elastase (69.0±1.4 %), and anti-hyaluronidase activity (64.2±0.3 %). The Morus alba extract possessed the most significant anti-inflammatory activity since it could inhibit the secretion of interleukin-6 and tumor necrosis factor-α (p<0.05). Therefore, these herbal extracts have promising skin benefits and have potential for use as active ingredients in cosmetic/cosmeceutical products.
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 | 0,001 | 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) | 0,002 | 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 ».