基于Ozoro黄夹竹桃籽的生物润滑剂生产及工业应用：中心复合设计与Python优化方法

本研究针对化石燃料环境危害及绿色油脂资源竞争问题，创新性地采用酸性土壤培育的黄夹竹桃籽（Thevetia peruviana）为原料，通过丙酮索氏提取法结合中心复合设计（CCD）和Python编程优化工艺。研究获得68.50 wt.%的高油脂产率，并通过气相色谱-质谱（GC-MS）和傅里叶变换红外光谱（FTIR）证实其富含不饱和脂肪酸，具备优异的存储稳定性。该成果为生物柴油和环保润滑剂生产提供了非粮型原料解决方案，对推动非洲2030年清洁能源转型具有重要实践意义。

　　

随着全球能源危机加剧和环保要求提升，传统化石燃料的局限性日益凸显。化石燃料不仅储量有限，其燃烧产生的环境污染问题更是迫在眉睫。与此同时，以食用油为原料的第一代生物燃料面临"与人争粮"的伦理困境。在这样的背景下，寻找高产量、非食用性的植物油资源成为研究热点。黄夹竹桃（Thevetia peruviana）作为一种广泛分布于热带地区的常绿灌木，其种子含油量高达60-65%，远高于大豆（20%）和油菜籽（37-50%），且不占用耕地资源，具有巨大开发潜力。然而，现有研究多采用正己烷等传统溶剂提取，且缺乏针对不同地理来源种子的系统比较。

来自Delta State University of Science and Technology的研究团队针对这一科学问题，开展了一项创新性研究。他们采集尼日利亚Ozoro地区酸性土壤（pH 5.96）培育的黄夹竹桃种子，通过热重分析（TGA）确定最佳干燥条件后，首次采用丙酮作为提取溶剂，结合中心复合设计（CCD）和Python机器学习算法优化提取工艺。研究结果发表在《Scientific African》期刊，为解决绿色能源原料来源问题提供了新思路。

研究团队运用多项关键技术：首先采用热重分析仪（TGA）测定种子热分解特性；通过扫描电镜（SEM）观察粉碎后种子形态；利用X射线荧光光谱（XRF）分析元素组成；采用中心复合设计（CCD）安排20组提取实验；最后通过Python编程（Jupyter Notebook环境）进行数据建模和可视化。所有实验均以Delta State University of Science and Technology校园内采集的种子为原料。

材料与方法
研究团队从校园内采集黄夹竹桃种子，经清洗后使用100°C烘箱干燥4小时。采用10000 W自动研磨机将种子粉碎至65目粉末。通过索氏提取装置进行油脂提取，考察时间（45-65分钟）、原料重量（30-50 g）和丙酮体积（200-300 ml）三个关键参数。

结果与讨论
热重分析显示种子在187.76°C完成第一阶段分解（去除5.631%水分），确定190°C为最佳干燥温度。XRF分析揭示种子富含MgO（18.0%）、K₂O（16.4%）等化合物，与其酸性特性（pH 5.96）相符。优化实验表明，65分钟提取时间、30 g原料重量和300 ml丙酮用量的组合可获得68.50 wt.%的最高产率，较文献报道的64.70 wt.%（尼日利亚Zaria地区）提高显著。

Python建模结果（R²=0.996）优于CCD（R²=0.9453），且三维可视化效果更佳。气相色谱-质谱（GC-MS）分析显示油脂中单不饱和脂肪酸占比59.986%（主要为油酸乙酯23.95%），多不饱和脂肪酸14.845%，饱和脂肪酸25.169%。傅里叶变换红外光谱（FTIR）在3058.05-3025.05 cm^-1处出现羟基特征峰，证实油脂品质优良。

理化特性
提取油脂的酸值为3.82 mg KOH/g，过氧化值4.65 meq. O₂/kg，碘值86.40 g I₂/100g，符合生物柴油原料标准。闪点（160.3°C）和燃点（169.4°C）表明其安全性，十六烷值87.76预示良好燃烧性能。与文献数据对比显示，Ozoro地区种子产油率（68.50 wt.%）显著高于Zaria地区（64.70 wt.%）和印度品种（61.7 wt.%），证实地理来源对油脂产量的影响。

结论与意义
该研究首次系统评估了尼日利亚Ozoro地区黄夹竹桃种子的工业应用潜力。通过创新性地采用丙酮提取结合CCD-Python优化策略，实现了较传统方法更高的油脂产率。研究结果不仅为非洲清洁能源发展提供了本土化解决方案，其建立的Python优化模型更为植物油提取工艺开发提供了新范式。特别值得注意的是，该研究证实土壤特性（如高磷含量7.31 mg/kg）与种子油脂品质的关联性，为后续品种选育提供了科学依据。随着非洲计划在2030年将生物燃料占比提升至60-80%，这项研究成果具有重要的战略价值。