肉精油提取的智能优化:一种混合RSM和机器学习方法,以最大限度地提高产量和生物活性

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
• 工艺工程的过程工程.

背景情况:

• 肉精油 (CEO) 具有宝贵的生物活性.
• 优化CEO提取对于最大限度地提高产量和效率至关重要.
• 需要对优化技术进行比较分析.

研究的目的:

• 使用响应表面方法 (RSM) 和机器学习 (ML) 优化肉精油提取.
• 为了比较RSM和ML在预测最佳提取参数方面的有效性.
• 描述化学成分并评估CEO的生物活动.

主要方法:

• 为了建立初步的参数范围,进行了单因素实验.
• 响应表面方法 (RSM) 和机器学习模型用于流程优化.
• 气色谱-质谱法 (GC-MS) 用于化学分析;进行抗氧化,抗菌和血液溶解分析进行生物评估.

主要成果:

• RSM预测的最佳参数是:材料与液体的比例为1:10.4,蒸时间为105分钟,超声波温度为63.0°C,超声波时间为48.8分钟 (预测产量为4.61%,实际产量为4.56%).
• ML预测的最佳参数: 1:9.3的物质与液体比,90分钟的蒸,55°C的超声波温度,40分钟的超声波时间 (预测产量4.65%,实际4.60%).
• 在GC-MS中确定了40个成分,其中跨甲 (19.76%),α-copaene (16.98%) 和 cinnamyl dimethyl acetal (12.92%) 是主要成分. 首席执行官表现出显著的抗氧化剂 (>90%的ABTS•+和DPPH•清除),对S. aureus和E. coli的抗菌活性 (MIC 1 mg/mL),以及良好的生物相容性.

结论:

• 机器学习证明了优化肉精油提取的巨大潜力.
• 优化的CEO表现出强大的抗氧化和抗菌特性.
• 肉精油由于其成分和生物活性,有望在食品防腐和医疗卫生方面的应用.