使用响应表面方法 (RSM) 和人工神经网络 (ANN) 来模拟和优化微波辅助从 (Mangifera indica) 皮中提取总含量
David Ramírez-Brewer1, Somaris E Quintana1, Luis A García-Zapateiro1
1Research Group on Complex Fluid Engineering and Food Rheology (IFCRA), University of Cartagena, Cartagena 130015, Colombia.
Food chemistry: X
|May 15, 2024
概括
富含抗氧化剂的果皮提取物使用微波辅助提取进行了优化. 人工神经网络 (ANN) 为开发新产品提供了比响应表面方法 (RSM) 更好的预测.
科学领域:
- 食品科学与技术 食品科学与技术
- 自然产品化学 自然产品化学
- 分析化学 分析化学
背景情况:
- 果 (Mangifera indica) 皮是一种有价值的生物活性化合物来源,具有显著的抗氧化特性.
- 这些化合物在功能性食品和营养保健品中具有潜在的应用.
- 优化提取方法对于最大限度地提高这些有价值的化合物的产量和有效性至关重要.
研究的目的:
- 研究微波辅助提取变量对皮提取物中总化合物 (TPC) 和抗氧化活性 (TEAC) 的影响.
- 为了比较响应表面方法 (RSM) 和人工神经网络 (ANN) 的预测能力,以优化提取过程.
- 确定最佳的提取参数,以最大限度地提高果皮提取物中的TPC和TEAC. 米和糖. 米和糖.
主要方法:
- 使用微波辅助提取 (MAE) 来从果皮中提取生物活性化合物.
- 使用响应表面方法 (RSM) 和人工神经网络 (ANN) 来建模和优化提取变量.
- 总含量 (TPC) 用Folin-Ciocalteu测定法确定,抗氧化活性 (TEAC) 用ABTS测定法测量.
主要成果:
- 提取参数在两种果皮品种中显著影响了TPC和TEAC.
- 为各种物种提供最佳条件. 托米为TPC提供了121.3毫克的GAE/g提取物,为TEAC提供了1185.9μmol的Trolox/g提取物.
- 为各种物种提供最佳条件. 糖分为TPC的224.86毫克GAE/g提取物和TEAC的2117.7μmolTrolox/g提取物.
- 与RSM模型相比,ANN模型显示出更高的预测准确性.
结论:
- 微波辅助提取是一种有效的方法,可以从果皮中获得富含抗氧化剂的提取物.
- 与传统的RSM相比,ANN模型为优化提取过程提供了增强的预测能力.
- 优化的果皮提取物有潜力发展成为新的功能性食品和营养药品.
