荷叶黄酮的乙醇提取工艺优化研究

第20卷第4期农业工程学报Vol 20 No 41682004年月Transactions of the CSAFJuly 2004荷叶黄酮的乙醇提取工艺优化研究蒋益虹浙江大学生物系统工程与食品科学学院,杭州310029摘要:研究了荷叶中主要生理活性物质黄酮的乙醇提取工艺。将传统的正交试验和人工神经网络方法相结合,提岀了一种新的试验数据分析、处理和优化方法,可以充分挖掘试验信息定量分析因素变化规律和寻找参数最优组合。该方法应用于叶黄酮的提取工艺优化中,获得了乙醇提取的优化工艺条件,即固液比1:30、提取温度75C、提取时间1h和乙醇浓度50%。该优化工艺条件,在实际生产中应用,不仅减少了生产成本,降低了能耗,而且提高了黄酮的浸提率,取得了较好的成效关键词:荷叶;黄酮;提取工艺;神经网络中图分类号:TS272.5文献标识码文章编号:1002-6819(2004)04-0168-040引言规律荷叶( Nelumbo lotus)是睡莲科植物莲的叶片和叶1材料与方法柄,我国有十分丰富的资源,具有很好的药、食用价值。1.1试验材料及设备《本草纲目》视荷叶为无毒良药,其性味苦、涩、平,因含多试验用材料取自2003年7月浙江省建德产新鲜荷种活性成分而具显著的药、食疗功效。因此,在1991年叶;芦丁标准品购自中国药品生物制品检定所;乙醇、磷11月中华人民共和国卫生部的卫监发(1991)第45号文酸、NaOH、HCl、NaNO2、Al(NO3)3、NaCl均为分析纯。件中,荷叶被列入第2批“既是食品又是药品”的名单之试验仪器和设备有:江苏省常熟市梅苑生化仪器厂中生产的DDHZ-300型多用途台式恒温振荡器;上海第三据研究报道,荷叶含有的丰富的黄酮类化合物,是荷分析仪器厂生产的722型分光光度计;上海第三分析仪叶具有生物抗氧化性、抗衰老、治疗心脑血管疾病、降血器厂生产的精密电子天平;国华电器有限公司生产的脂等多种保健功能的主要生理活性物质-。目前,对于HH-4型数显恒温水浴锅;上海雷磁仪器厂生产的pHS-荷叶黄酮的提取工艺,主要采用热水浸提,黄酮类化合25型pH计;上海海菱电器有限公司生产的H-18型多物中黄酮甙能溶于水、乙醇、甲醇等极性溶剂而黄酮体功能食品粉碎机。的甙元不溶于水,只溶于乙醇等有机溶剂,因此,采用水1.2试验方法提法不能将荷叶中的黄酮类化合物全部提取出来,而用1.2.1原料预处理乙醇可以大大提高浸提得率新鲜荷叶5kg用含0.1%NaCl的磷酸水溶液(pH本文对荷叶黄酮的乙醇提取工艺进行研究,荷叶黄3.0)常温浸没浸泡3min,淋洗沥干后70C鼓风烘干酮的乙醇提取工艺受到许多因素的影响各因素间还存至含水率8%以下,粉碎过18目筛,用聚氯乙烯和聚乙在着交互作用,因此,为了考虑各因素对荷叶黄酮提取影烯的复合膜袋包装,密封于干燥泡沫箱,置于4C冷库中响的变化规律及交互作用,得出最大的黄酮漫提率,我们贮藏备用采用4因素3水平正交试验设计,得到了9组试验提取1.2.2荷叶中黄酮含量的测定液的不同黄酮含量,并从中获取了较优的提取工艺条件芦丁标准法然而传统的正交试验是多因素试验的部分实施,对因素1)黄酮测定标准曲线的制备水平的要求和交互作用的考虑有一定的限制,不可避免取浓度为1.9mg/mL的芦丁标准液0、0.5、1.0、1地要混杂一些效应或者损失一些信息,不能真正获得多5、2.0、2.5、3.0mL分装于7支具塞试管,分别用30%因素连续区域中的最优试验方案,只能获得较优的参数的乙醇补至5mL后混匀,各加0.3mL5%NaNO2,混组合。因此,本文在正交试验基础上,提出了应用人工神匀静置5min,各加入0.3mL10%Al(NO3)3,混匀后静经网络技术,充分挖掘试验信息,并进行仿真优化,以期置6min,各加4mL1mol/L的NaOH和0.4m.30%获得荷叶黄酮乙醇提取的优化工艺,分析各因素的变化的乙醇,混匀静置10min。用722型分光光度计于波长510nm处测定吸光度值,绘制标准曲线。所取标准液的收稿日期:2003-12-11修订日期:2004-04-20浓度和吸光度值数据经回归处理,计算得回归方程为x基金项目:国家自然科学基金资助项目(30170659);杭州市科技局资(y+0.003)/1.1056,r=0.9992,其中x芦丁助项目(2002122A06)作者简介;蒋益虹(1972浙江慈溪人,博土,讲师,从事食品科含量,mg/L;y—波长510mm处测定吸光度值。结果第4期蒋益虹:荷叶黄酮的乙醇提取工艺优化研究1692)荷叶中黄酮含量的测定BD1A3C1,即固液比为1:40,提取温度为90C,提取时称取5g荷叶粉末,放入圆底烧瓶中加入一定量一间为1h,乙醇浓度为50%定浓度的乙醇溶液(乙醇数量和浓度由正交试验安排而2.2最优黄酮提取工艺的确定定),圆底烧瓶上接40cm冷凝管,在一定温度下,冷凝回2.2.1人工神经网络模型的应用流浸提后过滤,用测定标准曲线的方法处理样品,在722人工神经网络与传统正交试验方法相结合,通过对型分光光度计上于波长510mm处测定吸光度值,对照正交试验结果进行建模和分析,可以充分挖掘试验信息标准曲线或代入回归方程,得到黄酮的含量。变离散数据为连续数据,方便地进行仿真、评估和优化,1.2.3提取工艺设计并能对各主要因素的变化进行敏感性仿真分析,模拟仿采用L(43)正交试验设计,考察固液比、提取温度、真各因素的变化规律和趋势,获得多因素连续区域中的提取时间和乙醇浓度对提取液中黄酮含量的影响,以确最优组合,同时也为分析各因素的变化规律和因素间的定较优黄酮提取工艺。在参考相关文献和前期试验的基交互作用提供定量化的分析方法因而,该方法的特点是础上确定了试验因素的水平,考察因素和水平如表1所既不需要增加试验次数(采用正交回归设计和正交旋转示。在正交试验所得较优工艺的基础上,应用神经网络模设计需要做大量的试验),又能定量分析因素变化规律和型对试验数据进行模拟、仿真和优化,得到优化的黄酮提寻找参数最优组合取工艺条件。取正交试验中固液比、提取温度、提取时间、乙醇浓表1荷叶黄酮提取因素及水平度数据作为样本,数据见表2。将提取工艺中4个因素Table 1 Extraction factors and levels of(即x1、x2、x3、x4)的9个试验值(记为k)作为样本输入flavonoid in lotus leaves即(x1,x2,x,x)为第k个输入样本。将第k次试验得水平固液比提取温度/C提取时间/h乙醇浓度/%到的黄酮含量作为第k个输入样本对应的教师,即(x1,1.2300x21,xa1,x1)为第1个样本;(x12,x2,x32,x12)为第2个样1:40本,…,(x19,x2,x3,x1)为第9个样本,对应的教师为t1t2;……,t92结果与分析取精度ε=0.00001,输入层节点数为4,隐含层取4个节点,输出层一个节点,建立BP神经网络模型10,用2.1正交试验结果与分析Visual basic编制程序在586微机上迭代50643次后,得以提取液中的黄酮含量为指标,分析黄酮提取工艺到输出值。数据仿真计算值与实际值相比,误差都小于的正交试验结果(见表2)。1%(见表2)。表2荷叶黄酮提取正交试验及仿真结果2.22对主要因素进行仿真和优化分析Table 2 Orthogonal design and simulation results在正交试验所获得的较优工艺的基础上,改变一种of flavonoid extraction in lotus leaves影响因素值,固定其他三种影响因素值,应用所建立的神黄酮含黄酮含序号(固液比)(提取温(提取时(乙醇浓量实测量仿真经网络模型进行模拟-,结果如图1~4所示)度/1(1:20)1(70)1(1.0)1(50)1.40331.4031l(1:20)2(80)2(1.5)2(70)1.39881.397931(1:20)3(90)3(2.0)3(90)1.37621.37652(1:30)1(70)2(1.5)3(90)1.30381.30922(1:30)2(80)3(2.0)1(50)1.41691.4170(1:30)3(90)1(1.0)2(70)1.50731.508173(1:40)1(70)3(2.0)2(70)1.40781.40783(1:40)2(80)1(1.0)3(90)1.41241,41233(1:4)3(90)2(1.5)1(50)1.55261.54661:201:251:301:35固液比1.39281.37161.4411.457610931.40941.41841.438图1固液比变化对黄酮含量的影响45761,47871.40031.3641ble 1 Effects of different solid-liquidR0.06480.10710.04070.0935ratios on flavonoid contents因素主次BC从图1的曲线走势可以看出,在一定范围内,随着固注:A、K:和K:分别指因索在1、2和3水平的黄酮含量之和;指名液比的提高荷叶黄酮的提取效果也逐步提高,但当固液因素的极差。比达到1:30之后,随着固液比的提高,荷叶黄酮提取效从表2的极差分析结果可以得出:影响荷叶黄酮提果的提高已不是很明显,考虑到提取工艺成本取1取效果各因素的主次顺序为B(提取温度)、D(乙醇浓为荷叶黄酮提取的最佳固液比。从图2可以看出,在一定业工程学报2004年醇浓度50%优化结果的试验验证1.55经试验验证,应用优化得到的最优工艺条件提取,测得的黄酮含量为1.5537%。而按正交试验得出的较优试验组合BD1A3C1,测得的黄酮含量为1.5526%。说明采1.53用优化工艺条件获得了黄酮含量高于正交试验各组合且在实际生产中可以节省成本,降低能耗,取得了较好的提取温度/℃效果图2提取温度变化对黄酮含量的影响3结论temperatures on flavonoid contents)研究了采用乙醇提取荷叶黄酮的方法和工艺。正交试验结果得出,影响荷叶黄酮提取效果各因素的主次1.56顺序为提取温度、乙醇浓度、固液比和提取时间兰1,542)人工神经网络和传统的正交试验相结合,充分挖1.53掘试验数据的信息,建立神经网络模型,通过仿真、评估和优化,结合生产实际,获得了优化的提取工艺为:固液比1:30,提取温度75C,提取时间1h,乙醇浓度50%1.001251.501752.003)从模型的伤真结果看,预测精度高,相对误差均提取时间/h小于1%,并经试验验证,应用优化工艺提取的黄酮含量图3提取时间变化对黄酮含量的影响高于正交试验得出的较佳组合,且节省了成本,降低了能Table 3 Effects of different extracting time耗。表眀将人工神经网络与传统正交试验方法相结合提on flavonoid contents出的新的试验设计和数据处理方法是可行的,实现了既不需要增加试验次数,又能定量分析因素变化规律和寻1.56找参数最优组合,为各影响因素的定量分析和植物中有效成分的提取工艺试验分析提供了一种新的途径[参考文献]1.481]李时珍.本草纲目[M].北京:人民卫生出版社,1978:1899.L.46匚2]陶波,陈慕英,等.荷叶药用研究概况[J.中医药信息70802001,18(2):4乙畔液度/[3 Cao G H, Emin Sofic. Antioxdant and prooxidant behaviorof flavonoids structure-activity relationships [J]. Free图4乙醇浓度变化对黄酮含量的影响Radical biology & Medicine, 1997, 22(5): 749Table 4 Effects of different ethanol[4]吴立军.天然药物化学[M].北京:人民卫生出版社,203concetrations on flavonoid contents太明显,考虑到提取工艺成本等原因,因此最终确定提取5]彭芳.黄酮类化合物的生物学作用[].大理医学院学报温度为75C。从图3可以看出,在一定时间范围内,提取1998,7(4):52—54时间对黄酮提取效果影响不大,总体趋势是随着时间的6]陈海光,余以刚,曾庆孝,等荷叶功能成分的提取研究[增加反而降低。致使这一现象的可能原因是随着时间的[7]刘成梅,游海天然产物有效成分的分离与应用M北推移有些在乙醇溶液中对热不稳定的黄酮类物质分解或京:化学工业出版社,2003,170-237.转化,引起黄酮含量反而降低。因此,最终确定提取时间「8]张际先.神经网络在农业工程中的应用J].农业工程学报为1h。从图4可以看出,乙醇浓度在50%时达到最佳提1995,11(1):28-34取效果,随着浓度的增加提取效果反而降低,由于黄酮是匚9]丁利群·吴振辉,蔡创海.槐花中黄酮类物质提取工艺的研大类物质,部分是水溶性的,部分是醇溶性的,由图究[].农业工程学报,2002,18(1):141-144可以看出在乙醇浓度达到50%的时候提取出来的黄酮0]蒋德云,张弓谷物识别中对神经网络的优化农业工量最多,因此,最后确定最佳提取乙醇浓度为50%。从以程学报.2002,18(5):231-234上分析可知,荷叶黄酮提取的优化工艺条件是:固液比111 Lacher r c. Back-propagation learning in expert networksUJ. IEEE Transaction on Neural Networks, 1992.3(1)第4期蒋益虹:荷叶黄酮的乙醇提取工艺优化研究171Optimum extracting technology of flavonoids in lotus leaves with ethanolJiang Yihong(College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310029, China)Abstract The extracting technology of flavonoids in lotus leaves with ethanol was studied. Combined artificialneural network (ANN with traditional orthogonal design, a new method of test data analyzing, processing andoptimizing was put forward. With this method the test information can be fully used, the change regularity of eachfactor can be analysed and the optimum combination can be found. By using this new method the optimumextraction condition was obtained as follows extracting temperature 75C, ethanol concentration 50%, ratio ofsolid-liquid 1 30 and extracting time 1 h. Applying this extracting technology, the costs of production wasreduced, the energy consuming was decreased, and the flavonoid content was increased. The results show that thnew method is reasonable and practicableKey words lotus leaf; flavonoids extracting technology; artificial neural network