Exploring the Anti-inflammatory Potential of Blue-Green Algae: Formulation and Evaluation of Spirulina Ointment
Notice bibliographique
Résumé
Blue-green algae, also known as cyanobacteria, are a diverse and ancient group of photosynthetic microorganisms that have been of great interest to scientists due to their nutritional, medicinal, and industrial applications. These microbes, some of the oldest organisms on our planet, are currently being discovered as a rich reservoir of bioactive compounds with applications ranging from nutrition to drug discovery. Spirulina and other cyanobacterial genera, in specific, have exhibited strong anti-inflammatory, antioxidant, and immunomodulatory activities and are potential drugs for topical and systemic therapy. Bioactives like phycocyanin, polysaccharides, and carotenoids are key players in exerting these properties and have been effectively added to ointments for better delivery and efficacy. Cyanobacteria exhibit significant utility in promoting human health and possess extensive applications in the field of cosmeceuticals due to their photoprotective properties and skin-regenerative capabilities. Furthermore, they are employed in bioremediation, biofuel generation, and nutraceutical synthesis, thereby constituting a vital component of sustainable biotechnological innovations. Despite these advantages, challenges such as the occurrence of cyanotoxins like microcystins, variability in bioactive compound content, and constraints associated with cultivation underscore the imperative for additional research and standardization efforts. The current investigation aimed to examine the anti-inflammatory properties of the blue-green algae Spirulina, alongside the formulation and evaluation of Spirulina-based ointments. This review endeavors to highlight recent advancements in the anti-inflammatory potential of blue-green algae, with particular focus on the formulation of topical ointments.
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 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».