Comparative Bioactivity Analysis of Green-Synthesized Metal (Cobalt, Copper, and Selenium) Nanoparticles
Notice bibliographique
Résumé
Aim This study involves synthesizing metal nanoparticles (NPs) via the green synthesis method using Millettia pinnata leaf, Acacia auriculiformis bark, and Citrus sinensis peel and comparatively evaluating their antibacterial activity in vitro through the analysis of cobalt oxide NPs (CoNPs), copper NPs (CuNPs), and selenium NPs (SeNPs). This research contributes to eco-friendly approaches for producing functional nanomaterials with potential applications in medicine and environmental remediation. Materials and methods The metal NPs were synthesized using M. pinnata leaf, A. auriculiformis bark, and C. sinensis peel. These leaf extracts act as self-reducing and stabilizing agents. The antibacterial activity was assessed by the well diffusion method. Cultures of pathogenic bacteria species such as Staphylococcus aureus, Escherichia coli, Bacillus subtilis, and Pseudomonas aeruginosa were prepared. NPs were applied to the culture, and zones of inhibition (ZOIs) were measured. The data were statistically analyzed to compare the antibacterial efficacy of the different NPs. Results The successfully synthesized CoNPs, CuNPs, and SeNPs showed distinctive phytochemical properties. CoNPs exhibited the highest ZOI against most bacterial strains, with CuNPs and SeNPs following. CoNPs consistently showed superior performance compared to CuNPs and SeNPs. Conclusion Our study analyzed the bioactivity of metal NPs produced using green synthesis with plant extracts. CoNPs have shown superior antibacterial effectiveness against both Gram-positive and Gram-negative bacteria when compared to CuNPs and SeNPs. This may be due to their larger surface area, smaller size, unique electrical, magnetic, and catalytic properties, as well as their improved contact with the bacterial cell wall and membrane.
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 ».