【IF4.24-中药提取工艺】看浙中医团队如何优化与比较确定丹参的超声辅助提取工艺参数
【写在前面】：今天推荐的是由浙江中医药大学研究团队近期发表于Industrial Crops & Products（IF4.244）的一篇文章，探究优化丹参的超声辅助提取工艺以最大程度地提高丹参酮IIA和丹酚酸B的产量和抗氧化活性：响应面法和人工神经网络的比较研究。
我们恳请：若能转发分享，我们将非常感谢！（目前微信公众号改为乱序推送，将如沐风科研设为星标，时常点击阅读，我们才会出现在您推送的前面位置）。
【期刊简介】
【题目及作者信息】
Simultaneous optimization of ultrasonic-assisted extraction of Danshen for maximal tanshinone IIA and salvianolic acid B yields and antioxidant activity: A comparative study of the response surface methodology and artificial neural network
【摘要部分】
丹参的干根和根茎在中草药中广泛使用。丹参中由于丹参酮IIA（TIIA）和丹酚酸B（Sal B）的含量高而具有显著的抗氧化性能。为了充分利用这种自然资源，建模和优化使用响应面方法（RSM）和人工神经网络（ANN）以同时优化TIA和Sal B的超声辅助提取（UAE）工艺，以更好地获得丹参中抗氧化活性物质（目的与方法）。在这项研究中，采用Box-Behnken设计（BBD）改善提取时间（X1），溶剂与物料的比例（X2），萃取温度（X3）和乙醇浓度（X4）， 以TIIA和Sal B的综合收率（Y1）和抗氧化活性（Y2）为指标，以实现最佳的提取效果。最终确定最佳工艺参数如下：提取时间为73分钟；溶剂与物料的比例为11 mL/g；提取温度76℃；乙醇浓度为80％。在这些条件下，预测的最佳组合显示的综合评估值为16.2281，抗氧化活性为1.1453 mM FeSO4 / 5g。而这些参数的实际实验平均值分别确定为16.1826和1.1415 mM FeSO4/5 g（结果）。显然，与RSM相比，ANN模型在预测和优化功能方面具有更高的准确性，具有更高的R2和更低的RMSE、MAE和相对偏差值。因此，ANN模型被证明对于分析和改进提取过程更有效（结论）。
（主要看原文表达，有助于我们自行撰写SCI）
【结果部分】
1.丹酚酸B和丹参酮IIA的化学结构及色谱分析图。
2.响应面设计水平及分析结果。
3.反向传播神经网络构架。
4.对TIIA和SalB产量(A~F)和抗氧化活性(G~L)综合评价值的四个自变量之间相互作用的三维响应曲面图)。
5.神经网络模型的演示。
6.神经网络三维曲面图，用于四个自变量之间的相互作用，对TIIA和SalB产量(A~F)和抗氧化活性(G~L)的综合评价值)。
7.神经网络-遗传算法拟合计算。
7.响应面与BP神经网络模型拟合比较与预测。
8.预测结果实验验证.
【结论与讨论】
在这项研究中，通过两种建模方法，即RSM和BPNN-GA，同时研究了TIIA和Sal B的综合评价值的同时优化，并以丹参成分的抗氧化活性为评价指标。与RSM模型相比，BPNN模型显示出更高的R2以及更低的RMSE和MAE值。因此，由于BPNN模型具有更好的预测能力，因此被证明是令人满意的。使用BPNN-GA优化提取参数表明，抗氧化剂活性的预测最佳组合为1.1453 mM FeSO4 / 5 g，综合评价值为16.2281。使用BPNN-GA获得的最佳预测条件如下：提取时间为73分钟；溶剂与物料的比例为11 mL / g；提取温度76℃；和乙醇浓度为80％。相应的实验平均值分别为1.1415 mM FeSO4 / 5 g和16.1826，相对偏差分别为0.13％和0.33％。因此，尽管RSM是最广泛用于优化提取过程的方法，但是BPNN可以用作潜在的替代技术。这项研究中的发现将有助于为TIIA和Sal B作为天然抗氧化剂的提取工艺提供有效的指导，也可用于工业应用中的扩大提取规模。
【加入中医药交流群】添加小编微信邀请加入，也可由群友邀请加入，欢迎广大老师、朋友加入我们。
小编微信：
如沐风科研维修站 (Rumfer)公众号：由浙江中医药大学、中国药科大学、江西中医药大学以及福安药业和浙江省疾控中心的硕博士组成，主要发布药物研发、生产及注册，科研实验及前沿咨讯等相关信息。欢迎广大朋友老师关注我们，您的分享和关注是对我们的最大鼓励。