Assessment of Antioxidant Potential of Carbon-Based Nanomaterials from Different Sources
Notice bibliographique
Résumé
Antioxidants regulate oxidative reactions by impeding, delaying, or inhibiting the oxidation of biomolecules. Concerns regarding the toxicity of synthetic antioxidants have driven the search for safer alternatives. In this study, the antioxidant activities of three nontoxic carbon-based nanomaterials—carbon dots from citric acid precursor (CB-Ca), iron-doped carbon dots (CB-Fe) and carbon dots derived from Momordica charantia leaves (CB-Mc)—were investigated using 2,2-diphenyl-1-picrylhydrazyl (DPPH) radical scavenging, hydrogen peroxide (H2O2) scavenging, ferric-reducing antioxidant power, and total antioxidant capacity (TAC) assays. Scavenging activity was carried out at varying concentrations, and half-maximal inhibitory concentration (IC50) was calculated using non-linear regression. Reductive ability and TAC were expressed as mg ascorbic acid equivalents/g nanomaterial. CB-Fe exhibited the most potent DPPH scavenging activity (IC50 = 254.2 ± 37.37 µg/mL), surpassing CB-Mc and CB-Ca by 2- to 3-fold. In contrast, CB-Ca had the highest H2O2 scavenging (IC50 = 84.2 ± 11.87 µg/mL), while CB-Mc had the highest TAC of 77.95 mg ascorbic acid Eq/g. CB-Fe also displayed superior ferric ion reducing capacity. The study concluded that each carbon dot type exhibits unique antioxidant profiles and may offer some special advantages in nanomedicine and other applications.
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 ».