Anti-Inflammatory Activities of Chitosan-TPP Nanoformulated Wrightia pubescens R.Br Leaf Extract in Carrageenan-Induced Paw Edema of Wistar Rats
Notice bibliographique
Résumé
The use of herbal medicines like riksusu leaves (Wrightia pubescens R.Br) as antiinflammatory agents is limited by the low bioavailability of their active compounds.This herb was traditionally used in East Nusa Tenggara (Indonesia) to treat bruises and purify blood.Nanotechnology, particularly chitosan-NaTPP nanoparticles, offers a promising solution due to their biocompatibility and controlled-release properties.This study evaluated the anti-inflammatory activity of riksusu leaf extract nanoparticles in an in vivo model.The extract was obtained through maceration and analyzed using phytochemical screening and LC-MS/MS.Nanoparticles were synthesized using ionic gelation (extract:chitosan:NaTPP = 1:0.2:1)and characterized using a Particle Size Analyzer and TEM.The extract yield was 12.7%, with 6.84 0.69% moisture content.Phytochemical tests confirmed the presence of saponins, flavonoids, alkaloids, and tannins.LC-MS/MS identified isoindoline, morin, kaempferol, luteolin, and eugenin as active compounds.In vivo testing on carrageenan-induced Wistar rats showed that the nanoparticle group (250 mg/kg BW) achieved an average inhibition of 80.13%, compared to 62.30% (p < 0.05) for the non-nanoparticle extract group.These results demonstrate that nanoparticle formulation significantly enhances the anti-inflammatory potential of riksusu leaf extract.
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 | 0,000 |
| 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 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 ».