Biosynthesis, Characterization and Biological Applications of Silver Nanoparticles using Celosia trigyna and Solanum nigrum Extracts: Neglected Vegetables in Nigeria
Notice bibliographique
Résumé
Plant-mediated synthesis is gaining acceptance in many fields i.e. biology and pharmaceutical fields. This aim of this study is synthesizing Ag nanoparticles using air-dried leaves of two (2) neglected vegetables i.e. Celosia trigyna and Solanum nigrum. Ultraviolet–visible spectroscopy, fourier transform infrared spectroscopy (FT-IR) and scanning electron microscopy (SEM) were used to characterize the formation of silver nanoparticles (AgNPs). The anti-inflammatory properties of these AgNPs were evaluated using Cell Stabilization Membrane (CSM) and lipoxidase assays, their antioxidant activity were established on DPPH and ABTS+ assays. The positive control employed are indomethacin and ascorbic acid for these activities. Nanoparticles synthesized were labelled for Celosia trigyna (CT-AgNPs) and Solanum nigrum (SN-AgNPs) were noticed through visual color change. The UV–Vis spectra of the synthesized nanoparticles displayed absorption bands at around 360-440 nm, which is a characteristic band for Ag and FTIR displayed possible functional groups responsible for Ag nanoparticles synthesized by these plants. The SEM image of the AgNPs formed displayed were spherical in morphology. CT-AgNPs exhibited the most significant inhibitory activity against HRBC (IC50: 32.2 µg/ml) while SN-AgNPs displayed the most significant inhibitory activity against lipoxygenases (IC50: 32.8 µg/ml) when compared to the positive control used indomethacin (IC50: 28.1 µg/ml). SN-AgNPs exhibited the most significant antioxidant effect against ABTS (IC50: 11.4 µg/ml) while CT-AgNPs displayed the most significant antioxidant activity against DPPH (IC50: 4.6 µg/ml) when compared to the positive control used ascorbic acid (IC50: 4.7 µg/ml). This work showed that the synthesized AgNPs from non-cultivated vegetable can find relevance and application in health, drugs, food and environmental science.
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) | 0,000 | 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 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 ».