基于人工神经网络与响应面法的芥菜籽粕超声波辅助提取酚类物质优化研究及其抗氧化活性评价

本研究针对传统芥菜籽粕资源利用率低、抗氧化成分提取效率不足的问题，通过响应面法(RSM)和人工神经网络(ANN)优化超声波辅助提取(UAE)工艺参数（温度、时间、料液比、乙醇浓度），实现总酚(TPC)、总黄酮(TFC)和DPPH自由基清除活性的协同提升。研究发现ANN-GA-DF优化方案在40°C/60分钟条件下，以67%乙醇和15 mL/g料液比提取，可获得2092.4 mg GAE/100g TPC、270.4 mg QE/100g TFC和89% DPPH活性，显著优于常规溶剂提取法。该研究为芥菜副产物高值化利用提供了绿色高效的解决方案。

　　

在当今追求可持续发展和健康饮食的背景下，植物源抗氧化剂的绿色高效提取技术备受关注。芥菜作为全球重要的油料作物，其榨油后的籽粕含有丰富的酚类物质和黄酮类化合物，但传统提取方法存在效率低、能耗高、活性成分易降解等问题。更棘手的是，现有研究多采用单因素优化法，难以捕捉多参数间的复杂交互作用，且针对新型低芥酸品种BARI Sharisha-18的针对性研究尚属空白。

针对这些挑战，来自国内科研机构的研究团队在《Applied Food Research》发表了创新性研究成果。该研究首次将响应面法(RSM)与人工神经网络(ANN)相结合，系统优化了芥菜籽粕中生物活性物质的超声波辅助提取工艺。通过Box-Behnken实验设计获取29组工艺参数组合，采用多层感知器ANN模型进行非线性关系建模，并引入遗传算法(GA)和最速上升法(SA)进行多目标优化。

关键技术方法包括：1) 采用80 kHz超声波系统进行参数化提取；2) 基于BARI Sharisha-18芥菜籽粕的Box-Behnken设计(四因素三水平)；3) ANN模型通过10折交叉验证优化隐藏层神经元(3-13个)和激活函数(tansig/logsig/purelin)；4) 结合遗传算法和满意度函数(DF)实现TPC、TFC、DPPH活性的多目标优化；5) 与传统溶剂提取法(CSE)进行对比验证。

3.1. 近似组成分析
研究首先对BARI Sharisha-18芥菜籽进行成分解析，发现其含有39.98%脂肪和30.76%蛋白质，与常规芥菜品种相比，该品种具有更低的有害成分（1.06%芥酸）和更高的ω-3脂肪酸含量(24%)，为其作为功能食品原料提供了物质基础。

3.2. RSM建模与方差分析
通过二次多项式模型拟合发现：溶剂-物料比(S/M)对TPC影响最大(F=158.23)，温度(U-temp)对TFC和DPPH分别呈现显著正/负效应。值得注意的是，超声时间(20-60分钟)对所有响应均无显著影响(p>0.05)，这为工艺简化提供了依据。模型R²值均>0.96，验证了模型的可靠性。

3.2.1. TPC响应面分析
乙醇浓度与温度存在显著交互作用：高乙醇(80%)与低温(40°C)组合可获得1677 mg/100g TPC。这源于低温保护酚类稳定性，而高乙醇提高溶解度。溶剂比与温度协同效应显示，20.4 mL/g S/M结合40°C能最大化提取效率。

3.2.2. TFC响应面分析
不同于TPC，TFC在高温(70°C)与高乙醇(80%)条件下达225.2 mg/100g峰值。ANN模型进一步揭示，温度平方项(X₁²)对黄酮提取具有特殊贡献，说明存在最佳温度阈值。

3.2.3. DPPH活性分析
DPPH活性与TPC/TFC呈现强相关性(R>0.9)，80%乙醇提取物活性最高(82%)。温度升高导致活性下降，证实了热敏感成分在抗氧化中的关键作用。

3.3. 模型比较与验证
ANN-GA-DF方案展现出最优预测性能(RMSE=38.2 vs RSM的62.1)，其优化条件(67%乙醇，15 mL/g)下获得的TPC(2092.4 mg)、TFC(270.4 mg)和DPPH(89%)分别比传统方法提高63.7%、98.9%和30.3%。这种差异源于ANN更擅长捕捉参数间的非线性关系，如乙醇浓度与温度的非加性效应。

该研究通过智能算法与传统实验设计的融合，不仅建立了芥菜籽粕活性成分的高效提取工艺，更创新性地证明了混合建模在食品工程优化中的优越性。特别值得注意的是，优化的温和条件(40°C)大幅降低了能源消耗，使单位产量能耗降低约40%，为农产品加工副产物的绿色转化提供了范式。研究结果对开发天然抗氧化剂和提升油料作物综合利用率具有双重价值，其方法论框架可扩展应用于其他植物活性成分的提取工艺开发。