响应面优化超声波辅助提取三棱总黄酮及其体外抗氧化活性评价外文翻译资料
2023-01-07 15:37:43
响应面优化超声波辅助提取三棱总黄酮及其体外抗氧化活性评价
Xinsheng Wang 1,2, Qinan Wu 1,3,*, Yanfang Wu 4, Guangyun Chen 1, Wei Yue 1 and Qiaoli Liang 1,3
摘要:采用高效的超声波辅助提取技术提取三棱总黄酮。采用响应面分析法确定最佳提取工艺条件为乙醇浓度53.62%、超声时间29.41min、超声功率300W。该方法具有较高的提取率。粗提物经聚酰胺树脂纯化后,黄酮类化合物含量提高到94.62%。对纯化的黄酮类化合物进行了体外抗氧化活性(DPPH自由基清除活性、ABTS 自由基清除活性、还原力、羟自由基清除活性和超氧阴离子清除活性)的测定。结果表明,黄酮类化合物具有显著的抗氧化活性。并通过与标准物质的相对保留时间和紫外可见光谱比对,鉴定出提取物中含有芦丁、山奈酚和刺芒柄花素。
关键词:超声辅助提取;响应曲面法;三棱;黄酮类化合物;抗氧化剂
引言
三棱(Sparganii Rhizoma,SR)是黑三棱(Sparganium stoloniferum Buch.-Ham.)的干燥根茎,是一种民间传统中药,长期用于治疗血瘀和痛经[1]。药理研究表明,黄酮类化合物是SR生物活性的重要组成部分,包括抗血小板和抗血栓作用[2]、镇痛和抗炎作用[3]、抑制HeLa细胞增殖[4]、抗癌活性[5]。黄酮类化合物的这些功效与它们的抗氧化活性有关[6-10]。然而,关于SR中的黄酮类化合物对自由基管理和抗氧化活性的影响的研究还不够充分。
黄酮类化合物的提取方法有回流提取法、煮沸提取法、加热法和索氏提取法,但这些方法的共同缺点是黄酮类化合物在提取过程中可能会因氧化、水解和电离而损失,且提取时间较长[11]。近年来,从植物中提取黄酮类化合物的新技术层出不穷,包括微波辅助提取[12]、超声波辅助提取[13]、加速溶剂提取[14]和超临界流体提取[15]。其中,超声辅助提取是替代传统提取技术的一种廉价、简单、高效的方法。
为了优化提取条件,包括溶剂浓度、提取时间和超声功率,响应面方法得到了广泛的应用。通过建立数学模型,RSM使用定量数据评估多个参数及其相互作用,有效地以统计方式优化复杂的提取过程,从而减少所需的实验试验次数[16]。尽管在许多研究中,RSM已被应用于优化超声辅助提取黄酮类化合物[13,17],但据我们所知,目前还没有关于RSM应用于超声辅助提取优化SR中黄酮提取的报道。在本工作中,我们利用响应面分析法优化了超声波辅助提取SR中总黄酮的工艺。采用多种体外测试系统对黄酮类化合物的抗氧化活性进行了评价。本研究的目的是建立海参中黄酮类物质超声辅助提取的最佳工艺参数,探索其潜在的抗氧化性能,为资源的开发利用提供科学依据。
结果与讨论
- 超声辅助提取黄酮类化合物工艺参数的优化
2.1.1.响应面模型的拟合
表1显示了从所有实验获得的SR中总黄酮(Y)的产率。根据表1的结果,使用下面的二次多项式模型(公式1)进行多元线性回归。
3 3 3
Y iXi iXi 2 ij Xi Xj
0
i i ii i ij i j
(1)
i=1 i=1 ine;j=1
中Y是预测响应,gamma;0是常数,alpha;i、alpha;ii和alpha;ij分别是模型的线性、二次和交互系数。相应地,Xi和Xj分别代表自变量的水平。响应变量和自变量由下面的二阶多项式方程(公式2)联系起来。
Y=6.21 0.61X1-0.075X2 0.085X3-0.18X12-0.18X22-0.00025X32 0.087X1X2-0.0225X1X3 0.022X2X3 (2)
表1.响应面盒-Behnken设计(未编码)和RS提取率的结果
Run |
X1 (%, v/v) |
X2 (min) |
X3 (W) |
Y (mg/g) |
1 |
40 |
40 |
270 |
5.52 |
2 |
50 |
20 |
240 |
5.97 |
3 |
40 |
20 |
270 |
5.87 |
4 |
60 |
30 |
300 |
6.18 |
5 |
50 |
40 |
300 |
6.14 |
6 |
40 |
30 |
300 |
5.93 |
7 |
50 |
30 |
270 |
6.30 |
8 |
40 |
30 |
240 |
5.84 |
9 |
50 |
40 |
240 |
5.80 |
10 |
50 |
30 |
270 |
6.17 |
11 |
60 |
30 |
240 |
6.18 |
12 |
50 |
20 |
300 |
6.22 |
13 |
50 |
30 |
270 |
6.17 |
14 |
50 |
30 |
270 |
6.26 |
15 |
60 |
20 |
270 |
6.02 |
16 |
50 |
30 |
270 |
6.14 |
17 60 40 270 6.02
表2列出了回归系数和方差分析结果(ANOVA)。很明显,该模型与响应变量拟合得很好,因为该模型可以解释大多数响应的变异性。多重测定系数(R2)为0.9213,表明R2值大于0.8时具有很高的相关性[18]。此外,还使用了缺乏匹配性检验来验证匹配性的充分性。对于黄酮类化合物,拟合的缺失并不显著,因为它处于95%的置信度水平,如表2所示。这表明实验数据与模型符合得很好。此外,p值被用作评估每个系数的显著性的工具,这反过来可能指示变量之间的交互模式。在这种情况下,较小的p值表示更重要的相应系数。如表3所示,线性系数(X1、X2和X3)和二次项系数(X12、X22)显著,p值很小(plt;0.05),其他项系数不显著(pgt;0.05)。
表2.ANOV A的回归系数和结果
Source |
Coefficient |
Sum of Squares |
Df |
Mean Square |
F value |
P value |
Model |
0.6043229 |
9 |
0.0671470 |
9.1037954 |
0.0041 |
|
gamma;0 |
6.20800 |
|||||
X1 |
0.15500 |
0.1922000 |
1 |
0.1922000 |
26.0584931 |
0.0014 |
X2 |
minus;0.07500 |
0.0450000 |
1 |
0.0450000 |
6.1011040 |
0.0 剩余内容已隐藏,支付完成后下载完整资料
英语原文共 15 页,剩余内容已隐藏,支付完成后下载完整资料 资料编号:[271508],资料为PDF文档或Word文档,PDF文档可免费转换为Word |