实施多目标决策算法和图像分析,以HPTLC为导向,优化天然产品的提取

科学领域:

• 分析化学 分析化学
• 自然产品化学 自然产品化学

背景情况:

• 提取优化对于隔离有价值的化合物至关重要.
• 高性能薄层染色学 (HPTLC) 从多种分析物提供复杂的数据.
• 为优化整合多种响应是一个重大挑战.

研究的目的:

• 开发和评估一种新的,高效的,低成本的方法来监测开采优化.
• 将四种多标准决策 (MCDM) 技术用于汇总HPTLC数据进行比较.
• 为了优化绿茶叶的超声波辅助提取 (UAE),使用乙醇-水混合物.

主要方法:

• 高性能薄层染色学 (HPTLC) 与数字图像分析相结合.
• 四种MCDM技术的应用和比较:德林格的可取性,TOPSIS,PROMETHEE-2和SRD.
• 在阿联,用于变化乙醇度和提取时间的中央复合材料设计.

主要成果:

• 德林格的可取性,TOPSIS和PROMETHEE-2在排名提取物方面产生了一致的结果.
• 在SRD分析中,排名结果略有不同.
• 响应表面建模表明,在73%的乙醇和46分钟的最佳提取条件下,可以获得优异的染色学配置文件.

结论:

• 在提取优化中,MCDM算法有效地聚合了多个色谱反应.
• 拟议的HPTLC-MCDM方法提供了一种强大而通用的方法,用于优化自然产品以外的各种提取过程.
• 使用开发的方法,确定了绿茶的最佳提取参数.