توصيفگر ها :
استخراج فوق‌بحراني , كافئيك اسيد , علف چشمه , كربن دي‌اكسيد , اتانول , روش سطح پاسخ , شبكۀ عصبي مصنوعي
چكيده فارسي :
گياهان دارويي داراي گونه‌هاي بسيار زيادي مي‌باشند و هر كدام از آن‌ها به‌دليل داشتن تركيبات با ارزش مي‌توانند در زمينه‌هاي مختلفي از جمله داروسازي، محصولات آرايشي، صنايع غذايي و غيره مورد استفاده قرار گيرند. كاربرد دارويي اين گياهان نيازمند يك روش استخراج مطلوب است و روش‌هاي سنتي با استفاده از حلال‌هاي آلي نظير سوكسله يا خيساندن، به دليل آسيب ديدن تركيبات حساس به دما، زمان طولاني و مصرف حلال زياد مناسب نيستند. استخراج فوق بحراني با كربن دي‌اكسيد به علت داشتن مزيت‌هايي مانند قيمت ارزان، غير سمي، پايين بودن دما و فشار بحراني و بي‌خطر بودن كربن دي اكسيد، روشي است كه دهه‌هاي اخير مورد توجه قرار گرفته است. كافئيك اسيد يك فنوليك اسيد و يكي از اجزاي اصلي برگ علف چشمه است و داراي خواصي از جمله ضد التهاب، ضد باكتري، ضد فشار خون، ضد تومور و خاصيت آنتي اكسيداني قوي مي‌باشد. در اين پژوهش جداسازي عصاره‌ي گياه علف چشمه به روش استخراج با كربن دي‌اكسيد فوق‌بحراني انجام شده است. استخراج عصاره‌ي گياه علف چشمه با روش سوكسله (حلال اتانول) نيز مبناي صد در صد كافئيك اسيد موجود در آن در نظر گرفته شد. عصاره‌هاي بدست آمده با دو روش ذكر شده جهت تعيين ميزان بازيابي با دستگاه كروماتوگرافي مايع با كارايي بالا آناليز شدند. طراحي آزمايش با در نظر گرفتن 4 پارامتر دما(˚C75-35)، فشار(Mpa 24-12)، زمان ديناميك(120-40 دقيقه)، نرخ جريان(ml/min1/2-9/0) و با استفاده از نرم افزار minitab انجام شد و نتايج آناليز به‌دست آمده با روش سطح پاسخ مورد بررسي وتحليل قرار گرفت. توسط آناليز سطح پاسخ، داده‌هاي آزمايشگاهي به خوبي با يك مدل چندجمله‌اي مرتبۀ دوم برازش شدند و ضريب تشخيص(R2) برابر % 75/97 و ضريب تشخيص اصلاح شده(R2adj) برابر %79/95 حاصل گرديد. در اين مدل پيشنهادي ترم‌هاي خطي دبي، دما، فشار و زمان و ترم هاي مربع دبي، دما و زمان از اهميت بسيار بالايي برخوردار بوده و ساير ترم‌هاي متقابل بين متغير‌ها اهميتي ندارند. مقدار بهينه پارامترها، دماي °C 26/61، فشار MPa24، زمان ديناميك min 120، نرخ جريان ml/min 57/1 با ميزان بازيابي % 76/53 به‌دست آمد. در انتها استخراج فوق بحراني به كمك شبكه عصبي مصنوعي مدل سازي شد. در مدل شبكه مصنوعي با ضريب تشخيص 48/99 درصد تعداد بهينه‌ي نورون‌هاي لايۀ مخفي برابر 5 و الگوريتم آموزش BR با بهترين عملكرد معرفي گرديد. با مقايسه‌ي ضريب تشخيص حاصل از روش‌هاي شبكه عصبي مصنوعي و سطح پاسخ، مي‌توان نتيجه گرفت كه شبكه عصبي عملكرد بهتري داشته است.
چكيده انگليسي :
Medicinal plants have many species and each of them can be used in various fields such as pharmacy, cosmetics, food industry, etc. due to their valuable compounds. Medicinal use of these plants require a favorable extraction method, and traditional methods using organic solvents such as soxhlet or Macerate are not suitable due to damage to temperature-sensitive compounds, long time and high solvent consumption. Supercritical extraction with carbon dioxide is a method that has been considered in recent decades due to its advantages such as cheap price, non-toxic, low critical temperature and pressure and safe carbon dioxide. Caffeic acid is a phenolic acid and one of the main components of Nasturtium officinale leaves and has anti-inflammatory, anti-bacterial, anti-hypertensive, anti-tumor and strong antioxidant properties. In this study, the extract of Nasturtium officinale compounds was done by extraction with supercritical carbon dioxide. Extraction of Nasturtium officinale by Soxhlet method (ethanol solvent) was also considered as a 100% caffeic acid base. The obtained extracts by two methods were analyzed to determine the recovery rate by high performance liquid chromatography. Experimental design taking into account 4 parameters of temperature (35-75 °C), pressure (12-24 MPa), dynamic time (40-120 minutes), flow rate (0.9-2.1 ml / min) and using Minitab software was performed and the obtained results of the analysis was investigated by the response Surface method. By response Surface analysis, the laboratory data were well fitted with a second-order polynomial model and the determination coefficient (R2) was 97.75% and the modified determination coefficient (R2 adj) was 95.79%. In this proposed model, flow linear terms, temperature, pressure and time and square terms of flow, temperature and time are very important and other interactions between the parameters are not important. The optimal value of the parameters was 61.26 °C temperature, 24 MPa pressure, 120 min dynamic time, 1.57 ml / min flow rate with 53.76% recovery. Finally, supercritical extraction was modeled using artificial neural network. In the artificial network model with a detection coefficient of 99.48%, the optimal number of hidden layer neurons equal to 5 and the BR training algorithm with the best performance were introduced. By comparing the determination coefficient obtained from methods of the artificial neural network and the response Surface, can be concluded that the artificial neural network performed better.
