人工神经网络优化,自然深度欧学溶剂提取过程的丹申-盖根和细胞毒性研究

科学领域:

• 绿色化学 绿色化学
• 自然产品 化学 化学
• 药理学是指药理学,即药理学是指药理学.

背景情况:

• 传统中医 (TCM) 提取通常依赖于传统的有机溶剂.
• 天然深层欧特溶剂 (NaDESs) 为提取生物活性化合物提供了可持续和高效的替代品.
• 丹申-格根 (DG) 是一种广泛使用的TCM配方,需要优化提取方法.

研究的目的:

• 选和确定一个合适的NaDES用于丹申-格根 (DG) 提取.
• 通过响应表面方法 (RSM) 和人工神经网络 (ANN) 来优化 DG 的提取过程.
• 评估DG提取物的体外安全性.

主要方法:

• 对各种NaDES的查,其中贝他因-尿素 (Bet-Ur) 被认为是最佳的.
• 使用RSM和ANN模型优化提取参数 (NaDES度,固体与液体比,温度,时间).
• 在PC12细胞中DG提取物的体外细胞毒性评估.

主要成果:

• 贝他因尿素 (Bet-Ur) 被选为最有效的NADES溶剂.
• 在流程优化方面,ANN模型的准确性高于RSM.
• 优化的ANN参数:70%的NaDES度,80毫克/毫升的固体/液体比,67°C,33分钟.
• 优化的提取产生了0.7251 ± 0.84%.
• 与水性提取物 (10%) 和Bet-Ur溶剂 (0.15%) 相比,IC50值表明NaDES DG提取物 (0.3%) 的安全性更高.

结论:

• 纳迪斯,特别是贝他因尿素,是丹申-格根提取的高效和更绿色的溶剂.
• 人工神经网络为优化复杂的提取过程提供了更准确的方法.
• 通过NaDES提取的Danshen-Gegen在体外显示出有希望的潜在治疗应用的安全性.