Antibacterial efficacy of green-synthesized silver nanoparticles from rosemary, pennyroyal, and eucalyptus extracts against E. coli and S. aureus bacteria
Notice bibliographique
Résumé
Bacteria, including those causing hospital-acquired infections, have become a significant concern for human health due to their resistance to common antibiotics. Silver nanoparticles possess highly antimicrobial properties and can be applied in various medical and healthcare contexts. The purpose of this research is to produce silver nanoparticles through a bio-based (green synthesis) method using extracts from the leaves of rosemary, pennyroyal, and eucalyptus plants and to investigate their antibacterial activity. Extracts from the leaves of rosemary, pennyroyal, and eucalyptus plants were prepared and added to a silver nitrate solution in the process of synthesizing silver nanoparticles. The production of silver nanoparticles in the solution was investigated by recording the color changes during the experiment and measuring the absorption levels across different wavelengths using a spectrophotometer. The antimicrobial effects exhibited by the silver nanoparticle solution were investigated and confirmed targeting both Staphylococcus aureus and Escherichia coli (E. coli) strains using the agar well diffusion method. Nanoparticles with diameters approximately ranging from 18 to 80 nanometers were successfully synthesized, exhibiting a varied assortment of spherical geometries and a notable purity level of 88% silver. Furthermore, nanoparticles synthesized from rosemary plant extract exhibited superior antibacterial properties compared to those from other plant extracts.
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 ».