Green synthesis of silver nanoparticles from vegetable waste of pea Pisum sativum and bottle gourd Lagenaria siceraria: Characterization and antibacterial properties
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
A huge amount of food waste is being generated every day globally. Usually, India generates ∼350 million tons of food waste every year. Therefore, there is an urgent need to initiate research focusing on the management and hygienic methods of reuse of food waste together with advanced user-friendly methods of converting it into some useful products thereby generating wealth from food waste. A promising approach seems to biosynthesize silver nanoparticles (AgNPs) from such unutilized food. An alternative clean technology does not rely on the use of toxic chemicals and solvents. It is commonly allied with traditional nanoparticle synthesis processes. In the present work, the peels of two vegetables, pea ( Pisum sativum ) and bottle gourd ( Lagenaria siceraria ), were used to generate AgNPs. AgNPs were obtained by dissolving 1.5 ml of the peel extract of each vegetable in 50 ml of silver nitrate (AgNO 3 ) and incubating for 24 h at room temperature. For the confirmation of AgNP production UV–visible spectroscopy was used. Field Emission Scanning Electron Microscopy (FESEM), X-ray diffraction (XRD), and attenuated total reflection-infrared spectroscopy (ATR-IR Analysis) were used to characterize them. Furthermore, AgNPs in different concentrations were used to test antibacterial activity against bacteria Escherichia coli through the disc diffusion method. Thus, our research indicates that AgNPs can be a safe and environmentally beneficial production technology from unutilized vegetable wastes that may play an important role in the management of food waste in the future and has antibacterial potential to preserve vegetables from bacterial contamination.
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 | 0,001 |
| 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