Antibacterial efficacy of green-synthesized silver nanoparticles from rosemary, pennyroyal, and eucalyptus extracts against E. coli and S. aureus bacteria
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
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.
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