一种混合的人工神经网络和多目标遗传算法方法,以优化Menta longifolia和生物活动的提取条件
Mustafa Sevindik1,2, Ayşenur Gürgen3, Tetiana Krupodorova4
1Department of Biology, Faculty of Engineering and Nature Sciences, University of Osmaniye Korkut Ata, 80000, Osmaniye, Turkey.
Scientific reports
|December 29, 2024
概括
人工神经网络与多目标遗传算法 (ANN-NSGA-II) 结合,优化了孟塔长叶的提取. 该研究确定了最佳条件,产生强大的抗氧化剂和富含的提取物,具有显著的生物活性.
科学领域:
- 植物化学 植物化学
- 计算化学计算化学
- 药理学是指药理学,即药理学是指药理学.
背景情况:
- 薄荷长叶 (L.) L.是一种具有潜在药用功能的植物.
- 优化提取过程对于最大限度地提高生物活性化合物的产量和有效性至关重要.
- 传统的提取方法可能不高效或成本效益.
研究的目的:
- 使用人工神经网络与多目标遗传算法 (ANN-NSGA-II) 结合,开发和优化Mentha longifolia的提取条件.
- 评估优化提取物的生物活动和含量.
主要方法:
- 使用ANN-NSGA-II优化提取参数:温度 (40-70°C),时间 (4-10小时) 和度 (0.25-2毫克/毫升).
- 评估总抗氧化剂状态 (TAS) 和总氧化剂状态 (TOS) 作为输出参数.
- 确定了含量 (TPC,TFC),氧化应激指数 (OSI) 和酶抑制活性 (抗乙胆化酶,抗丁胆化酶).
主要成果:
- 该ANN模型实现了TAS的1.434%和TOS的0.464%的低平均绝对百分比误差 (MAPE).
- 最佳提取条件被确定为54.260°C,7.854小时和0.810毫克/毫升.
- 优化的提取物表现出高的TAS (6.094 mmol/L),TPC (123.05 mg/g),TFC (181.84 mg/g) 和显著的酶抑制活性.
结论:
- ANN-NSGA-II是一种优化薄荷长叶取的有效方法.
- 优化的提取物表现出强大的抗氧化和生物活性,表明其治疗潜力.
- 对已识别的化合物的进一步研究可能会揭示特定的作用机制.
