Facile biosynthesis of Ag–ZnO nanocomposites using Launaea cornuta leaf extract and their antimicrobial activity
Notice bibliographique
Résumé
The quest to synthesize safe, non-hazardous Ag-ZnO nanoomposites (NCs) with improved physical and chemical properties has necessitated green synthesis approaches. In this research, Launaea cornuta leaf extract was proposed for the green synthesis of Ag-ZnO NCs, wherein the leaf extract was used as a reducing and capping agent. The antibacterial activity of the prepared nanoomposites was investigated against Escherichia coli and Staphylococcus aureus through the disc diffusion method. The influence of the synthesis temperature, pH, and precursor concentration on the synthesis of the Ag-ZnO NCs and antimicrobial efficacy were investigated. The nanoparticles were characterized by ATR-FTIR, XRD, UV-Vis, FESEM, and TEM. The FTIR results indicated the presence of secondary metabolites in Launaea cornuta which assisted the green synthesis of the nanoparticles. The XRD results confirmed the successful synthesis of crystalline Ag-ZnO NCs with an average particle size of 21.51 nm. The SEM and TEM images indicated the synthesized nanoparticles to be spherical in shape. The optimum synthesis conditions for Ag-ZnO NCs were at 70 °C, pH of 7, and 8% silver. Antibacterial activity results show Ag-ZnO NCs to have higher microbial inhibition on E. coli than on S. aureus with the zones of inhibition of 21 ± 1.08 and 19.67 ± 0.47 mm, respectively. Therefore, the results suggest that Launaea cornuta leaf extract can be used for the synthesis of Ag-ZnO NCs.
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 ».