ارزیابی فعالیت ضدباکتریایی و تعیین ترکیبات شیمیایی اسانس گیاه اوجی جمعآوری شده از شمال ایران
Bibliographic record
Abstract
زمینه مطالعاتی: اعضای جنس نعناع از مهمترین گیاهان تولید کننده اسانس میباشند. نعناع آبی با نام علمیMentha aquatica که در مناطق شمال ایران بهنام محلی اوجی معروف است از گیاهان ادویهای رایج محسوب میشود. هدف: این مطالعه با هدف ارزیابی ترکیبات شیمیایی و فعالیت ضدباکتریایی اسانس گیاه اوجی علیه استافیلوکوکوس اورئوس و اشریشیا کلی انجام شد. روش کار: بهاین منظور اسانس برگهای این گیاه با استفاده از دستگاه تقطیر با آب طرح کلونجر استخراج شد. جهت شناسایی ترکیبات اسانس از کروماتوگرافی گازی-طیفسنجی جرمی (GC-MS) استفاده شد. کمترین غلظت مهارکنندگی(MIC) و کمترین غلظت باکتریکشی(MBC) اسانس مذکور علیه استافیلوکوکوس اورئوس و اشریشیا کلی با روش میکرودایلوشن تعیین شد. نتایج: آنالیز کروماتوگرافی گازی، 27 نوع ترکیب شیمیایی را مشخص کرد که بیش از 98 درصد ترکیبات اسانس را تشکیل دادند. 3- کارن با 24/61 درصد بیشترین ترکیب شناسایی شده در اسانس گیاه اوجی بود. سینئول و لیمونن از دیگر ترکیبات شناخته شده این گیاه بودند که در مقادیر جزئیتر سنجش شدند. نتایج آزمونهای ضدباکتریایی حاکی از حساسیت بیشتر استافیلوکوکوس اورئوس نسبت به اشریشیا کلی به اسانس این گیاه بود به طوریکه MIC و MBC این اسانس برای باکتری استافیلوکوکوس اورئوس به ترتیب 56/1 56/1 میلی گرم بر میلیلیتر و علیه اشریشیا کلی 12/3 و 25/6 میلیگرم بر میلیلیتر بهدست آمد. نتیجهگیری نهایی: فعالیت ضدباکتریایی اسانس گیاه اوجی (Mentha aquatica) را میتوان به وجود مونوترپنهای هیدروکربنی مانند 3- کارن در کنار ترکیباتی همچون سینئول، لیمونن، آگاروسپیرول، یوکالیپتول و منتون نسبت داد که پتانسیل استفاده از این اسانس را بهعنوان یک نگهدارنده طبیعی در مواد غذایی مطرح میسازد.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.037 | 0.027 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".