MétaCan
Menu
Retour à la cohorte
Enregistrement W4411004276 · doi:10.37819/nanofab.10.2056

Bioinspired gold-silver bimetallic nanoparticles from leaf and bark extract of Simarouba glauca and their antibacterial efficacy

2025· article· en· W4411004276 sur OpenAlexaff
N. Thangamani, N. Bhuvaneshwari

Notice bibliographique

RevueNanofabrication · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésBimetallic stripBark (sound)Traditional medicineAntibacterial activitySilver nanoparticleColloidal goldChemistryNanoparticleMaterials scienceNanotechnologyBiologyBacteriaMedicineOrganic chemistryMetal

Résumé

récupéré en direct d'OpenAlex

This work reports on using leaf and bark extracts from the Simarouba glauca as a natural reducing agent to synthesize gold-silver bimetallic nanoparticles (Ag-Au NPs). The leaf and bark extracts contain phytochemicals such as tannins, flavonoids, and others, confirmed by Fourier transform infrared spectroscopy (FTIR), responsible for the reduction of both Au and Ag ions. The Surface Plasmon Resonance (SPR) bands obtained at 540 and 543 nm, confirmed the formation Au-Ag alloy. The average crystallite size of Au-Ag NPs synthesized using leaf and bark extracts was 29 and 35 nm. TEM images show that the Au-Ag NPs were spherical, square, pentagonal, and hexagonal morphology. The bimetallic nanoparticles were tested against Staphylococcus aureus, Streptococcus mutans, Bacillus subtilis, and gram-negative bacteria Escherichia coli, Proteus vulgaris, and Klebsiella Pneumoniae showed effective zone of inhibition against the test bacteria. Among the two extracts, the leaf extract was found to be an effective reducing agent to form different shapes of bimetallic nanoparticles. The results indicate that Au-Ag NPs have effective antibacterial activity hence, these nanoparticles can be used for the development of antibacterial 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,242
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanofabricationMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207