超声波辅助提取结合RSM与ANN优化黑荆树皮生物活性成分回收：方法学比较与工艺优化

本研究针对黑荆树皮（Acacia mearnsii）中具有药用价值的生物活性成分提取效率低的问题，采用响应面法（RSM）和人工神经网络（ANN）优化超声波辅助提取（UAE）工艺参数。通过分析温度、时间和固液比对提取率（EY）和总酚含量（TPC）的影响，确定最佳条件为50°C、35分钟、固液比0.1 g/mL，ANN模型预测精度显著优于RSM（R2达0.998）。FTIR和UV-Vis证实提取物富含酚类、黄酮等功能组分，为天然药物开发提供高效方法学参考。

　　

研究背景与意义

黑荆树（Acacia mearnsii）的树皮长期以来在非洲传统医学中用于治疗炎症和感染，其富含的单宁、黄酮类化合物具有显著的抗氧化和抗菌活性。然而，传统提取方法如索氏提取效率低下且易破坏热敏感成分，而超声波辅助提取（UAE）虽能通过空化效应提升效率，但工艺参数优化缺乏系统性研究。更关键的是，现有研究多依赖响应面法（RSM）这类线性建模工具，对非线性关系的预测能力有限。为此，Chakanaka P. Mungwari团队首次将机器学习中的多层感知器（MLP-ANN）引入植物提取领域，通过对比RSM与ANN的预测性能，为天然产物提取建立高精度智能模型。

关键技术方法

研究采用中心复合设计（CCD）安排实验，以温度（30-70°C）、时间（10-60分钟）、固液比（0.075-0.125 g/mL）为变量，乙醇为溶剂，在40 kHz超声波下提取博茨瓦纳乔贝区采集的黑荆树皮粉末。总酚含量（TPC）通过Folin-Ciocalteu法测定，提取率（EY）通过质量差计算。ANN采用Levenberg-Marquardt算法训练，隐含层设14个神经元，以均方误差（MSE）和决定系数（R²）评估模型。

研究结果

1. 1.

   RSM建模与参数影响

   二次回归方程显示温度和时间对TPC影响显著（p<0.05），最佳条件为50°C、35分钟、固液比0.1 g/mL，预测EY为27.61%，TPC为81.84 mg GAE/g。三维响应面表明延长提取时间至35分钟可提升EY，但超过50°C会导致酚类降解。

2. 2.

   ANN模型优势

   ANN的预测值与实验数据相关性达0.99801，显著高于RSM（R²=0.9690）。在相同最优条件下，ANN预测EY为26.88%，TPC为83.33 mg GAE/g，其RMSE（0.18）和MSE（0.4）均优于RSM，证实ANN更擅长处理非线性交互作用。

3. 3.

   成分表征

   FTIR显示提取物在3343 cm^-1（羟基）、1637 cm^-1（芳香环）有特征峰，UV-Vis在230 nm和350 nm的吸收峰证实黄酮类和酚酸的存在，与Folin-Ciocalteu结果一致。

结论与展望

该研究不仅证实UAE能高效保留黑荆树皮的生物活性成分，更首次证明ANN在植物提取工艺优化中的优越性。相较于传统RSM，ANN通过自适应学习复杂变量关系，将预测误差降低50%以上，为天然产物工业化提取提供了可推广的智能建模框架。未来可结合卷积神经网络（CNN）进一步分析光谱数据，实现提取过程的实时监控。论文发表于《Scientific African》，为非洲药用植物资源的高值化开发树立了方法学标杆。