Central Composite Design Tool Application for Optimizing Methanolic Leaves Extract of Ceiba Pentandra L. Ethosome Suspension Gel with In silico, In vitro, and In vivo Anti-inflammatory Effects
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
Introduction: The goal of this research is to develop a gel formulation from the leaf extract of Ceiba pentandra L. and to evaluate its anti-inflammatory properties using in silico, in vitro, and in vivo approaches. The in silico anti-inflammatory effects of the gel were validated by in vitro and in vivo studies. Methods: A Central Composite Design (CCD) was applied to optimize the extract suspension. Anti-inflammatory activity has been compared with Indomethacin molecules in PDB ID:4IK7. Further, absorption, distribution, metabolism, excretion, and toxicity analysis have been performed to ensure the therapeutic potential and its safety for the drug development process. Results: The extracted gel has been characterized by performing Fourier transformer infrared, zeta potential, particle size, scanning electron microscope, and entrapment efficiency. Furthermore, the formulation was evaluated by assessing its viscosity, spreadability, and pH. Discussion: An in vitro study of all nine extract suspensions was conducted to determine the drug content at 295 nm. The optimized suspension has shown the maximum percentage of drug release (83.43%) in 09 hours of study. Anti-inflammatory effects of extract and gel are studied by animal studies using formalin to induce paw inflammation. Conclusion: The results of the study conclude that the gel formulation exhibits stronger antiinflammatory activity compared to the extract, and molecular docking studies support the therapeutic potential of the extract’s bioactive molecules. ADMET analysis ensures the therapeutic effects and its safety.
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