Synthesis of Silver Nanoparticles Using <i>Camellia sinensis</i> Leaf Extract: Promising Particles for the Treatment of Cancer and Diabetes
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
Both diabetes and cancer pose significant threats to public health. To overcome these challenges, nanobiotechnology offers innovative solutions for the treatment of these diseases. However, the synthesis of nanoparticles can be complex, costly and environmentally toxic. Therefore, in this study, we successfully synthesized Camellia sinensis silver nanoparticles (CS-AgNPs) biologically from methanolic leaf extract of C. sinensis and as confirmed by the visual appearance which exhibited strong absorption at 456 nm in UV-visible spectroscopy. The fourier transform infrared spectroscopy (FTIR) analysis revealed that phytochemicals of C. sinensis were coated with AgNPs. Scanning electron microscopy (SEM) analysis showed the spherical shape of CS-AgNPs, with a size of 15.954 nm, while X-ray diffraction spectrometry (XRD) analysis detected a size of 20.32 nm. Thermogravimetric analysis (TGA) indicated the thermal stability of CS-AgNPs. The synthesized CS-AgNPs significantly inhibited the ehrlich ascites carcinoma (EAC) cell growth with 53.42±1.101 %. The EAC cell line induced mice exhibited increased level of the serum aspartate aminotransferase (AST), alanine transaminase (ALT), and alkaline phosphatase (ALP), however this elevated serum parameter significantly reduced and controlled by the treatment with CS-AgNPs. Moreover, in a streptozotocin-induced diabetic mice model, CS-AgNPs greatly reduced blood glucose, total cholesterol, triglyceride, low-density lipoprotein (LDL) and creatinine levels. These findings highlight that the synthesized CS-AgNPs have significant anticancer and antidiabetic activities that could be used as promising particles for the treatment of these major diseases. However, pre-clinical and clinical trial should be addressed before use this particles as therapeutics agents.
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 | 0,000 |
| 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 découle