Synthesis of Silver Nanoparticles Using Azadirachta indica and Syzygium aromaticum Extract and Its Antibacterial Action Against Enterococcus faecalis: An In Vitro Study
Notice bibliographique
Résumé
Introduction Nanotechnology is the study of manipulating matter at the atomic scale involving particles smaller than 100 nm. Silver nanoparticles (AgNPs) are gaining popularity across diverse sectors including medical, food, healthcare, consumer goods, and industrial fields due to their distinctive physical and chemical characteristics. The eco-friendly synthesis of AgNPs offers a straightforward, cost-effective, and environmentally benign method devoid of hazardous chemicals. Methodology Eighty milliliters (mL) of silver nitrate mixed with 20 mL of Azadirachta indica and Syzygium aromaticum plant extract underwent two days of magnetic stirring for AgNP synthesis. Characterization was done via ultraviolet-visible (UV-vis)-spectroscopy (300-700 nm), and antimicrobial properties, which were checked with Enterococcus faecalis, were assessed using the agar-well diffusion method. Results The change in color and peak observed in the UV-vis spectrum confirmed the successful synthesis of AgNPs. Both neem and clove extract-mediated synthesis of AgNPs exhibited antibacterial activity against E. faecalis. However, neem extract synthesized AgNPs displayed a larger inhibitory zone diameter and lower minimum inhibitory concentration (MIC) and minimum bactericidal concentration (MBC) values compared to those synthesized using clove extract. Conclusion Incorporating neem and clove extracts in AgNP synthesis offers a practical, eco-friendly, and cost-efficient method with notable efficacy. These AgNPs exhibit antibacterial activity against E. faecalis, suggesting their viability as potent antibacterial agents for addressing oral pathogens. Their sustainable synthesis underscores a promising avenue for developing effective antimicrobial solutions in oral healthcare.
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 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 | 0,001 |
| 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 tête enseignante, 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 ».