Green synthesis of <i>Kickxia elatine</i> -induced silver nanoparticles and their role as anti-acetylcholinesterase in the treatment of Alzheimer’s disease
Notice bibliographique
Résumé
Abstract The synthesis of silver nanoparticles (AgNPs) by the green method is favored as compared to chemical synthesis due to their appreciable properties of less toxicity and simple synthesis. The current study designed the biosynthesis of AgNPs in one step by using the plant Kickxia elatine (KE) extract and then investigated its inhibiting activity against rat’s brain acetylcholinesterase (AChE) ex vivo. Ultraviolet spectrum at 416 nm confirmed the formation of AgNPs. X-ray diffractometer calculated size was reported to be 42.47 nm. The SEM analysis confirmed spherical-shaped AgNPs. FT-IR suggested that the phytochemical groups present in the KE extract and their nanoparticles (NPs) are responsible for the biosynthesized of NPs. EDX analysis presented that Ag was the chief element with 61.67%. Both KE extract and AgNPs showed significant anti-AChE activity at 175 µg·mL −1 . Statistical analysis showed that both KE and AgNPs exhibited non-competitive type inhibition against AChE, i.e. V max decreased (34.17–68.64% and 22.29–62.10%), while K m values remained constant. It is concluded that KE and AgNPs can be considered an inhibitor of rats’ brain AChE. Furthermore, the synthesis of AgNP-based drugs can be used as a cheaper and alternative option against diseases such as Alzheimer’s disease.
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) | 0,001 | 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 ».