《Microchemical Journal》：Optimization of Microwave-assisted extraction of bioactive polyphenols from
Rivina humilis L. leaves using response surface methodology: phytochemical profiling and assessment of their therapeutic potential against glioblastoma
编辑推荐：
•Rivina humilis叶粉利用响应面法（RSM）优化了微波辅助提取工艺。•植物化学成分分析鉴定出丰富的生物活性化合物。•抗氧化活性、RSM与人工神经网络（ANN）均表现出强大的预测能力。•观察到对U87细胞的抗癌效果，细胞活力显著降低。•Rivina humilis是
- •
Rivina humilis叶粉利用响应面法（RSM）优化了微波辅助提取工艺。
- •
植物化学成分分析鉴定出丰富的生物活性化合物。
- •
抗氧化活性、RSM与人工神经网络（ANN）均表现出强大的预测能力。
- •
观察到对U87细胞的抗癌效果，细胞活力显著降低。
- •
Rivina humilis是治疗性植物化学成分的可靠来源。
引言
Rivina humilis L.，属于商陆科，通常被称为鸽子浆果或血莓。它是一种多年生快速生长的观赏草本植物，在阴凉土壤中生长良好，广泛分布于热带地区。先前的植物化学研究表明，R. humilis是许多生物活性化合物的来源，包括酚类、黄酮类、生物碱以及甜菜碱色素，如rivianin和humilixanthin [1]、[2]。传统上，该植物被用于伤口愈合、生殖健康以及皮肤疾病的治疗。药用植物一直是治疗性药物的宝贵来源，目前存在的抗癌药物中超过50%为天然物质或其衍生物。此外，植物来源的化合物通常比许多合成药物具有更低的全身毒性，使其成为新型抗癌疗法开发的候选者 [3]。
多酚是一类重要的植物化学物质，因其强大的抗氧化能力和明确的药理学特性而备受关注。多酚类化合物（黄酮类、酚酸和单宁）具有清除自由基、减轻氧化应激、抑制与癌症相关的酶、抑制炎症介质以及诱导恶性细胞凋亡的特性。槲皮素、白藜芦醇、儿茶素和姜黄素等多酚类化合物具有抗癌活性，能够降低细胞活力并抑制细胞生长 [4]。提取是从植物基质中分离生物活性化合物的关键步骤之一，其有效执行在很大程度上取决于所用方法、溶剂体系和工艺参数 [5]。常见的提取方法包括浸渍法、索氏提取法和渗漉法，虽被广泛使用，但存在诸多缺点：操作缓慢、需要大量有机溶剂，且因长时间加热容易导致热敏性化合物分解。
随着人们对提取方法的效率和环保性日益关注，现代绿色技术成为更有希望的替代方案，以充分利用热敏性植物化学成分的潜力 [6]。微波辅助提取（MAE）是近年来受到大量关注的技术之一。在MAE技术中，微波能用于快速加热植物材料和溶剂，从而有效破坏细胞壁并促进传质。MAE的一些优点包括：提高提取效率；与常规提取方法相比，所需溶剂量减少约10倍；样本通量增加，可同时处理多个样本；并且能更好地保存生物活性成分 [7]、[8]。
分光光度法、高效液相色谱法、毛细管电泳、使用火焰离子化检测器（FID）的气相色谱法（GC）以及气相色谱-质谱联用法（GC-MS）等各种分析技术已发展为用于分析植物生物活性化合物。GC-MS技术是分析挥发性及半挥发性化合物的最佳方法。用于分析提取物的GC-MS技术可用于化妆品、药物、药品和食品中使用的草药中某些生物活性化合物的定量和定性分析。该技术将两种分析方法合并为一种技术来分析化合物混合物。在气相色谱中，化合物发生分离，而在质谱中，每种化合物被单独分析 [9]、[10]、[11]。
多酚对热诱导降解敏感，因此微波辅助提取技术的好处在于加热速度快，最大程度减少高温暴露。为了增加R. humilis的多酚产量，必须优化MAE的最佳条件，包括微波功率、提取时间、溶剂浓度和液固比。虽然Box-Behnken设计是最广泛使用的设计方案，但本研究选择了中心复合旋转设计（CCRD），因为它能以最少的实验次数提供二次预测模型，从而最小化实验时间和工作投入 [12]。
本研究中优化的绿色提取条件与当前分析科学的发展趋势相吻合，显示出能够从植物来源有效回收生物活性化合物的可持续提取技术。关于功能植物绿色制剂可持续分析技术的最新文献清楚地表明，优化的提取条件和配置可以显著提高提取产量和热敏化合物的完整性。此外，评估生物活性化合物的稳定性和分布模式（类似于确定基于植物基质的生物可及酚类分数时所做的），确保优化的MAE条件产生可靠的提取物 [13]、[14]。快速且可重复的多模态溶剂用于多酚回收仍然是一项困难的任务。RSM是基于多项式回归的实验设计和分析策略，能够通过有限的实验描述参数之间的相互作用 [15]。为了解决RSM中多项式模型的相关问题，开发了人工神经网络（ANN）模型。ANN模型基于数据，无需预定义方程，因此能够预测复杂的非线性生物关系，使其成为更准确的预测工具。虽然通常ANN需要大量数据集，但它们即使使用通过RSM-CCRD获得的实验数据也能良好运作 [16]。
据我们所知，此前尚无针对Rivina humilis L.多酚提取条件的建模和优化研究。本研究的主要新颖性在于使用微波辅助提取（MAE）结合RSM-ANN模型，利用水-乙醇溶剂提高对一种低开发植物多酚的提取效率；因此，本研究的结果也旨在为依赖实验室规模过程优化结果的规模化过程提供参考。本研究还旨在利用U87脑肿瘤细胞系评估这种不太为人所知的植物提取物的抗癌活性。生物活性提取物对胶质母细胞瘤细胞具有良好的抗氧化、抗菌和抗增殖特性。
章节片段
植物材料和化学品
Rivina humilis L.的新鲜叶片于2026年3月25日采集于印度泰米尔纳德邦康纳库马拉的南部西高止地区（8° 18′ 42” N 77° 14′ 5″ E），植物物种鉴定已确认并保存在标本馆（凭证号：NMCCH01532），位于Marthandam的Nesamony Memorial Christian College。采集的叶片用自来水彻底清洗以去除灰尘颗粒和杂质，然后在室温下阴干。干燥的植物样本
单因素实验的影响
使用单变量传统的一次一变量法（OVAT）对影响提取程序的参数进行优化。该方法通过改变一个变量而保持其他参数不变来揭示不同过程变量之间的关系。随后进一步通过应用响应面法来优化关键条件 [37]。结果为每个样本三次重复的平均值。
结论
本研究成功利用基于中心复合旋转设计（CCRD）的响应面法（RSM）与人工神经网络（ANN）建模相结合的方法，优化了Rivina humilis L.叶中生物活性多酚的微波辅助提取（MAE）。确定的最大化总酚含量（TPC）的最佳绿色提取条件为微波功率540 W、辐照时间224 s、液固比40:1 mL/g以及水
CRediT作者贡献声明
D.S. Dharshana：撰写——初稿，可视化，验证，项目管理，方法，调查，形式分析，概念化。K.L.P. Sheeja Lovely：撰写——审阅与编辑。
利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系，这些关系可能已经影响本文报告的工作。
D.S. Dharshana|K.L.P. Sheeja Lovely
