基于田口方法的优化技术，用于开发来自印度东北部的多种植物皂苷基天然表面活性剂，以实现降低接触角、提高临界胶束浓度并增强润湿性能的目标

《Next Materials》：Taguchi optimization of multi-plant saponin-based natural surfactants from Northeast India for reduced contact angle, critical micelle concentration and enhanced wettability

　　Vani G. Viswam | K Jagajjanani Rao | Korumilli Tarangini | Sanjeeb Kalita | Debajit Mahanta
界面与纳米材料中心，生物技术系，生物工程学院，Vel Tech Rangarajan
Sagunthala博士研发科学和技术研究所，金奈600062，印度

**摘要**
表面活性剂在化妆品配方中起着关键作用，尤其是在洗发水中。然而，传统的表面活性剂（如月桂基硫酸钠（SLS）会引发环境和皮肤健康问题。本研究探讨了从印度东北部特有的富含皂苷的植物中开发并优化天然表面活性剂的方法。选择了五种具有民族植物学意义的植物：Albizia lucidior、Albizia chinensis、Acacia auriculiformis、Acacia pennata和Gymnocladus assamicus，通过热液提取法提取皂苷，并对其进行了光谱和物理化学特性分析。评估了这些提取物的表面活性特性，包括起泡能力、临界胶束浓度（CMC）和润湿性。泡沫稳定性测试显示，Acacia auriculiformis的豆荚提取物和Albizia lucidior的叶片提取物表现出更好的性能。此外，紫外-可见光谱和傅里叶变换红外（FTIR）分析确认了皂苷的存在及其结构完整性。值得注意的是，树皮提取物的CMC值最低，表明其表面活性最强。润湿性通过接触角（CA）测量进行评估，采用L8 Taguchi设计优化了提取物组合以降低接触角值，从而改善表面润湿效果。最佳配方由Albizia chinensis树皮、Acacia auriculiformis豆荚和叶片以及Acacia pennata树皮组成，其接触角约为74°，与预测值非常接近。该优化配方还表现出优异的乳化性能（E?? = 56.8%），并且对未处理和漂白的头发都有良好的润湿效果。研究表明，地区特有的植物资源可以作为合成表面活性剂的可持续替代品。基于Taguchi的设计方法为多植物系统的化妆品应用提供了有效的优化途径，有助于开发更加环保和安全的个人护理产品。

**1. 引言**
个人护理和化妆品行业高度依赖表面活性剂，因为它们在清洁、发泡和乳化过程中起着重要作用。洗发水是常用的头发护理产品，主要用于去除发型产品残留物、头皮屑、过量皮脂和头发表面的污垢[1]。然而，长期使用主要由月桂基硫酸钠（SLS）、月桂醇硫酸钠（SLES）和椰子酰胺丙基甜菜碱（CAPB）等合成表面活性剂制成的洗发水会引发皮肤刺激、长期皮肤毒性和生态不可降解性的担忧[2] [3]。此外，合成表面活性剂在污水和废水系统中的普遍使用对水生生物构成潜在毒理风险，因此随着消费者转向天然和有机替代品，这一市场需求不断增长[4] [5]。

天然表面活性剂（如皂苷）是合成表面活性剂的合理且环保的替代品。皂苷是一类由植物合成的次级代谢产物，包含超过500个不同的物种。从化学角度来看，它们是两亲性糖苷，其中亲水性的糖部分与疏水性的非糖部分相连，非糖部分可以是甾体或萜类化合物[6] [7]。富含皂苷的植物具有显著的物理化学和生物特性，能够降低表面张力并产生稳定的泡沫，使其成为研究和工业应用中理想的天然表面活性剂选择。由于它们的有机性质，这些物质具有生物降解性、无毒性和环保性，这些都是从生态和健康角度来看的重要考虑因素[8]。

尽管关于植物来源皂苷的文献日益增多，但现有研究主要集中在单一来源提取物及其在药品配方或提高石油回收率等特定领域的表面活性剂特性上[9] [10]。因此，关于多组分植物系统及其协同作用的知识仍然匮乏，尤其是来自印度东北部等生物多样性未充分探索地区的植物。印度东北部地区是该国生物多样性的重要地带，具有独特的生物地理框架，是许多植物和动物物种迁移和分布的关键通道[11]。该地区以丰富的治疗性植物和众多稀有濒危物种而闻名，其开花植物、脊椎动物和鸟类的特有率极高，被列为生物多样性“热点”[12] [13]。此外，系统化的优化方法用于结合多种植物来源的表面活性剂的应用仍然研究不足，导致其在化妆品和润湿性应用中的潜力尚未得到充分发掘。

因此，本研究旨在探索印度东北部特有植物中的皂苷提取物，并开发一种多植物表面活性剂系统。研究重点评估关键的表面活性特性，包括临界胶束浓度（CMC）、泡沫特性、润湿性和乳化性能。采用Taguchi实验设计进行统计优化，以接触角最小化为主要响应参数来系统评估并提升润湿性能。进一步研究了优化配方在不同基底（包括未处理和漂白头发表面）上的适用性。据我们所知，这是首次将印度东北地区的特色生物资源与统计优化和植物来源皂苷表面活性剂系统的应用评估相结合的研究报告之一。

**2. 材料与方法**
**2.1. 植物选择与鉴定**
基于传统上作为天然发泡剂的使用情况以及报道的皂苷含量，选择了五种印度东北部特有的植物：Albizia lucidior（叶片、树皮、豆荚）、Albizia chinensis（叶片、树皮）、Acacia auriculiformis（叶片、树皮、豆荚）、Acacia pennata（叶片、树皮）和Gymnocladus assamicus（豆荚）。这些植物的选择基于当地人民的传统使用和现有文献中记载的皂苷含量。尽管关于不同植物部分总皂苷含量的定量数据有限，但这构成了本研究的基础[14]。对植物的分类鉴定进行了彻底验证，并将标本提交给位于印度阿鲁纳恰尔邦Kimin的DBT-APSCS&T CoE数字植物标本馆。

**2.2. 皂苷提取**
根据皂苷的热稳定性及在高温短时间条件下的结构完整性，采用热液提取法有效提取皂苷。具体步骤为：在高压灭菌器中用121oC热水提取15分钟，然后过滤[15]；接着用No.1Whatman滤纸过滤，再以6000 rpm离心15分钟；收集上清液并冷藏保存以备后续分析。

**2.3. 结构表征**
**2.3.1. 起泡能力与稳定性**
表面活性剂的一个重要特性是其产生和维持泡沫稳定的能力[16]。使用Ross-Miles泡沫测试（ASTM D1173）评估水基皂苷溶液的发泡能力和稳定性。将200 mL溶液从固定高度（通常为150 cm）倒入含有相同液体的500 mL圆筒中（25 °C），立即测量泡沫并在0分钟、10分钟间隔时再次测量。同时记录5分钟和10分钟时的高度，与SLS的结果进行比较以评估效果[1]。泡沫稳定性通过以下公式计算：
(1)
FoamStability = (Total height of the foamed sample (cm) / Initial height (cm) × 100

**2.3.2. 光谱分析**
使用紫外-可见光谱仪（Cyberlab UV-100，美国）在245–495 nm范围内进行光谱分析[18]。将提取物溶解在蒸馏水中，并在石英比色皿中分析以确保皂苷的特征吸收特征。使用傅里叶变换红外（FTIR）光谱仪（Cary 600 FT-IR Spectrometer，Agilent，印度）在4000–1000 cm?1范围内进行FTIR光谱分析，采用衰减全反射（ATR）方法识别特征官能团，并比较不同植物部分提取物之间的差异以确认皂苷结构。

**2.4. 物理化学分析**
**2.4.1. 通过香草酸-硫酸法测定总皂苷含量**
根据先前研究的方法，并稍作修改[19]，通过香草酸-硫酸比色法测定总皂苷含量。将0.5 mL提取物与0.5 mL 4% (w/v) 香草酸（Sisco Research Laboratories，印度）和0.5 mL 72% 硫酸混合，加热至60 °C 10分钟，然后放入冰水浴中冷却10分钟，最后在544 nm处使用紫外光谱仪（Cyberlab UV-100，美国）测量吸光度。标准曲线使用从Quillaja树皮提取的纯皂苷标准品（CAS No. 8047–15–2，纯度≥99%，Research Lab Fine Chem Industries，印度）制备。实验重复三次。

**2.4.2. 原始提取物浓度标准化及有效皂苷产率估算**
将植物提取物制备成10% (w/v)的原始水溶液。对于优化的多皂苷配方，将四种植物提取物按2.5% (w/v)混合，总浓度为10% (w/v)。该测定方法用于确定样本间的有效皂苷当量进行比较分析。提取产率[20]和回收数据使用公式2和3计算。原始提取物重量指热液提取后经冻干得到的总未纯化皂苷提取物重量。

**2.4.3. LC-MS分析**
使用配备正电喷雾离子化（+ESI）模式的Agilent Technologies系统对热液提取样品进行定性LC-MS分析。碎片电压设定为135 V，碰撞能量保持为0。分析用于确认皂苷成分的存在。详细色谱图和质量光谱数据见支持信息（S2节，图S2）。

**2.4.4. 临界胶束浓度（CMC）测定**
CMC是确定表面活性剂表面活性特性的重要参数[21]。根据Rao & Paria（2009[22]）的方法，使用萘作为溶剂测量提取物的CMC。使用15 mL聚丙烯试管，在纯甲醇中制备400 mM萘储备溶液，向其中加入0.1 mL 10%表面活性剂溶液，保持甲醇浓度低于1%。密封试管以防止挥发，然后平衡24小时并离心[22]。在必要稀释后，使用紫外-可见光谱仪在274 nm处测量萘浓度。实验在室温下重复三次。为了减少干扰，参考样品和测量样品中的表面活性皂苷浓度保持一致。虽然萘溶解法能方便地估算CMC，但这种方法是一种间接方法，可能受探针溶解度和分配行为的影响，可能会对绝对CMC值产生轻微偏差。不过，它仍然适用于相似表面活性剂系统的比较分析[22]。

**2.4.5. 润湿性评估**
润湿性是控制液固相互作用的重要参数，通常通过接触角测量进行量化[23]。使用Kyowa接触角仪（DME-211系列）和滴形分析系统进行静态接触角测量。采用静止滴法，将2.0 μL的单个提取物滴液从针头上释放到特氟龙膜表面，每隔20秒捕获一次图像，记录16帧，然后使用KSV接触角测量系统分析结果，计算每个样本的平均接触角值。

**2.4.6. 表面张力测量**
使用Data Physics（DCAT-11EC）表面张力仪的Wilhelmy板法测定基于皂苷的表面活性剂溶液的表面张力。Wilhelmy板法因精度高且能长时间提供稳定测量结果而受到青睐。所有测量在25 ± 2 °C下重复三次，平均值用于减少实验误差。

**2.5. 使用植物提取物混合物优化接触角的Taguchi设计**
为了开发高皂苷浓度和优异润湿性的表面活性剂配方，采用了Taguchi正交阵列设计方法[24]。该方法提供了一个稳健且经济可行的框架，用于在最小实验干预下识别各种因素的最佳组合。在当前的调查中，使用了L8（4?123）正交阵列来研究四个主要因素的影响，每个因素代表一类具有不同泡沫稳定性的植物提取物，这些因素对接触角（CA）产生影响，接触角是衡量表面润湿性的关键指标[25]。这些因素及其相应的水平在表1中概述。每种提取物的测试浓度为0.25% w/v。实验矩阵及因子组合和相应的CA结果列在表2中。主要目标是降低CA值，从而提高配方的润湿效率。表1中的ALP表示Albizia lucidior的豆荚，ALL表示Albizia lucidior的叶子，ALB表示Albizia lucidior的树皮，ACB表示Albizia chinensis的树皮，AAL表示Acacia auriculiformis的叶子，AAB表示Acacia auriculiformis的树皮，AAP表示Acacia auriculiformis的豆荚，APL表示Acacia pennata的叶子，APB表示Acacia pennata的树皮，GAP表示Gymnocladus assamicus的豆荚。

2.6. 优化混合物的乳化指数（EI）评估
为了确定EI，按照已知程序[26]，用椰子油以1:1（% w/w）的比例准备了一种乳化液，其中含有优化后的皂苷组合。首先，使用机械搅拌器以2000 rpm的速度连续搅拌混合物3分钟。然后，从该乳化液中小心地取出10 mL，并将其转移到15 mL的Falcon管中，以3200 rpm的速度离心5分钟。所有测试都重复三次。测量乳化液的累积高度以及形成的乳化层的高度，并根据公式（4）计算EI。

2.7. 皂苷混合物在头发表面的润湿性和扩散性
2.7.1. 头发毛发的预处理
本研究使用了印度女性的头发进行润湿性研究。首先用去离子水彻底清洗头发纤维（5分钟），然后用70%的乙醇清洗（5分钟），最后再用去离子水清洗（5分钟），以去除头发表皮上的杂质和残留物。每次清洗后，用热风吹风机将头发纤维吹干3分钟。准备了两种类型的头发样本：a) 原始头发和b) 受损头发。为了表示受损头发，按照报道的方法[27]，将头发样本浸泡在含有2%氢氧化铵、0.5%醋酸和0.2% EDTA的6%过氧化氢溶液中进行漂白处理。处理后，将漂白过的头发和原始头发在蒸馏水中冲洗以去除任何污垢和多余的化学物质，然后用吹风机吹干3分钟。

2.7.2. 接触角评估
通过静止滴落技术[28]评估原始头发和处理过的头发的润湿性能。将头发样本清洗并干燥后，均匀地放置在干净的玻璃载玻片上。使用优化后的皂苷溶液（2 μL）处理头发表面，然后进行接触角测量。在控制湿度的环境温度下进行读数，记录1秒内的接触角，并观察60秒内的扩散情况。每种样本类型的测量都重复三次（n=3），报告平均值以确保重现性。为了尽量减少由于头发排列造成的变异性[28]，进行了相应的处理。

3. 结果与讨论
通过定性LC-MS分析（支持信息中的第S2节）进一步证实了提取物中存在皂苷成分，该分析揭示了特征性的三萜皂苷片段。参考第S2节，LC-MS分析显示存在结构多样性的三萜皂苷，其特征是主 glycone 片段离子的 m/z 约为453，次级片段离子的 m/z 约为302，表明具有 oleanane 类型的骨架。检测到较高分子量的离子（m/z 700–900+）表明存在单糖基和二糖基衍生物，反映了植物提取物中的糖基化程度不同。这种结构多样性影响了两亲性，从而控制了胶束化行为、界面吸附和整体表面活性剂的效率。

3.1. 泡沫高度评估和稳定性评估
泡沫特性是个人护理应用中表面活性剂性能的重要指标[29]。Ross-Miles测试显示提取物之间的泡沫高度和稳定性存在显著差异（图1a和1b）。A. auriculiformis的豆荚（AAP）和A. pennata的叶子（APL）表现出最高的泡沫高度（分别为4.3 cm和3.7 cm），表明它们具有强烈的初始起泡能力（10分钟后），可能与其快速的吸附和随后的薄膜形成有关[30]。A. lucidior的叶子（ALL）和A. pennata的树皮（APB）显示出中等的起泡潜力（>2.5 cm），而其他提取物如GAP和AAL的起泡效果较差（<1 cm），表明其表面活性剂作用较弱。泡沫稳定性（图2b）的趋势在某种程度上反映了泡沫高度，但提供了额外的见解。像APL、ALL和ALP这样的提取物在10分钟后仍保留了超过90%的泡沫，表明它们能够形成有弹性的界面膜，这对于持久的泡沫至关重要。类似的行为也已在植物来源的皂苷中报告过，这些皂苷由于增强了界面膜的形成而表现出缓慢的泡沫衰减和持久的泡沫结构[31]。值得注意的是，本研究观察到的高稳定性表明与传统皂苷系统相比，提取的皂苷具有更好的泡沫保留能力，强调了它们作为天然表面活性剂的优越效果[32]。这些观察结果通过LC-MS分析（支持信息中的第S2节、图S2）得到了进一步证实，确认了所有提取物中存在皂苷衍生物。

下载：下载高分辨率图像（323KB）
下载：下载全尺寸图像
图1. (a) 来自不同植物来源的热水提取皂苷的泡沫高度（cm）。(b) 基于植物的皂苷提取物在10分钟后保留的泡沫稳定性（%），数据以平均值 ± 标准差（n=3）表示（10%的植物提取物对应于粗提物）。

下载：下载高分辨率图像（132KB）
下载：下载全尺寸图像
图2. 通过热水提取从不同植物部分获得的富含皂苷的提取物的紫外-可见光谱。

3.2. 热水提取皂苷的紫外-可见光谱分析
对来自Acacia和Albizia物种不同部分的富含皂苷的提取物以及G. assamicus豆荚进行了分析，以评估其植物化学特性和表面活性剂相关性质。提取物的紫外-可见光谱（图2）显示在245至295 nm之间的宽吸收带，这与之前关于含有皂苷的植物提取物（如Quillaja saponaria和Saponaria officinalis）的报告一致，这些提取物在约280 nm处有特征性吸收带，并且在约300 nm处有扩展吸收[33]。此外，这些峰还对应于π→π*跃迁，通常与三萜或甾体 glycone 核心中的共轭不饱和系统相关，如先前的研究所述[34]、[35]。

3.3. 皂苷功能团的FTIR表征
FTIR光谱用于确认提取物中皂苷分子的特征功能团。FTIR光谱（图3）显示了多个与皂苷结构相符的峰[36]。在3400至3500 cm?1之间的宽峰表明存在O-H伸缩振动，这与糖基部分中的羟基相符。这一观察结果与文献[37]一致，从Sapindus mukorossi的水溶液中提取的皂苷的透射光谱得到了支持。2900–2950 cm?1范围内的峰归因于脂肪族C-H伸缩，对应于 glycone 核心中的甲基和亚甲基。这与先前关于Vernonia amygdalina提取的皂苷的研究结果一致[38]。

3.4. 临界胶束浓度（CMC）、皂苷估算和接触角（CA）分析
CMC是一个基本参数，反映了表面活性剂在自组装和降低表面张力方面的效率[42]。较低的CMC值对应于较高的表面活性[37]。所有测试的皂苷提取物的CMC值显著低于SLS的0.2%[43]，范围从0.011%到0.024%（图4a）。树皮提取物如APB、ACB和AAB的CMC值最低（0.011%），即使在低浓度下也显示出强大的胶束化潜力。

3.5. 通过Taguchi实验设计优化表面润湿性
通过Taguchi设计（表1）分析了各植物提取物组对表面润湿性的影响，以获得尽可能低的接触角。在测试的植物材料中，由于ACL的皂苷含量低、泡沫高度和稳定性差以及相对较高的CA值，因此将其排除在Taguchi优化之外。较低的CA值表示更好的润湿性能，这对于旨在实现均匀表面铺展和覆盖的表面活性剂配方来说是理想的[46]、[47]。

表2列出了八次试验的实验结果以及相应的因子水平组合。在所有试验中，使用因子组合ACB（来自因子A）、AAB（来自因子B）、AAL（来自因子C）和APL（来自因子D）的试验8获得了最低的CA值75°，表明其润湿性能最有效。图5展示了表示在不同因素水平下平均接触角（CA）的主效应图。这些图表有助于识别每个因素对降低接触角的具体贡献。下载：下载高分辨率图片（222KB）下载：下载全尺寸图片

图5. 主效应图显示了每个因素水平对平均接触角（CA）的影响。较低的接触角表示更好的润湿性能。

为了评估观察到的差异的统计显著性，生成了ANOVA结果（表S4）。因素C（低泡沫稳定性组）在90%的置信水平上具有统计学意义（p = 0.047），其次是因素A（高泡沫稳定性组），其影响中等（p = 0.111）。因素B和D的p值较高（>0.1），表明它们对降低接触角的影响较小。根据Taguchi优化模型，预测的最佳组合包括来自因素A的ACB、来自因素B的AAP、来自因素C的AAL和来自因素D的APB。这些条件在表3中有详细说明。该模型预测的最小接触角为72.80，而在这些条件下的实验验证得到的接触角为740。预测值与观察值之间的微小偏差（约1.2%）证实了所使用的Taguchi模型在本研究中的可靠性和准确性。

表3. 用于最小化接触角的最佳因素水平组合，以及实验验证结果。

空单元表示最佳皂苷混合物

因素 描述 贡献率
AACB 43.5 %
BAAP 10.2 %
AAL 12.7 %
APB 20.8 %
所有因素的总贡献 7.2
当前总体平均表现 80
最佳条件下的预期结果 72.8
实际获得值 74

通过模型拟合进行的进一步验证显示R2值为99.7%，调整后的R2值为97.9%，表明实验数据与模型吻合度很高，所选因素能够有效解释接触角的变化。观察到在多种植物组合中增强的表面活性剂性能可以归因于结构不同的皂苷之间的协同作用。糖苷元疏水性和糖链长度的变化使得在空气-水界面处能够实现互补的排列，从而改善了界面膜的形成并降低了表面张力。此外，混合皂苷系统可以降低胶束化的总自由能，从而比单一提取物降低了临界胶束浓度（CMC）。这种协同作用转化为更好的润湿性、乳化效率和展开效率。值得注意的是，基于泡沫特性的混合策略在提高表面润湿性方面被证明是有效的，这与Taguchi设计方法的原则一致。因此，应用Taguchi方法为优化多组分天然表面活性剂系统提供了一个稳健而高效的框架。重要的是，这种策略有助于识别植物提取物之间的协同作用，从而在减少实验次数的情况下提高功能性能；这是基于皂苷的系统中的一个相对较少被探索的领域。

3.6. 乳化效率和头发表面润湿性

乳化性能对于表面活性剂在化妆品和外用产品中的实际应用至关重要[48]。优化的皂苷混合物（ACB、AAP、AAL、APB）的E??值为56.8%（图6a），与SLS（69.8%）相当。这表明这种植物来源的混合物形成了适合乳化系统的稳定油水界面[49][50]。

下载：下载高分辨率图片（349KB）下载：下载全尺寸图片

图6. (a) 使用优化后的皂苷混合物（1% w/v）与SLS相比的乳化指数（E??），显示出显著的天然乳化潜力；(b) 使用优化后的皂苷混合物（1% w/v）处理过的未处理和漂白头发的润湿性（1秒）和展开性（60秒）分析。数据以平均值±标准差（SD）（n = 3）的形式呈现。误差条代表标准差。

使用人类头发测试了生物基底的润湿性（图6b）。最初，使用超纯水测量未处理和漂白头发的润湿性，分别为105.9 ± 0.50和81.7 ± 0.8o，这与之前记录的未处理头发的105 ± 5o[51]和漂白头发的78 ± 1o[52]值相符。然而，在应用优化后的混合物后，未处理和漂白头发的接触角值显著降低，分别降至73.3o和47.6o，表明快速展开和强大的界面活性。漂白头发上的润湿性改善可能归因于去除了85%的脂质F层，从而增强了表面粗糙度和孔隙率，有利于表面活性剂的更好附着[27][53]。综上所述，来自印度东北部植物的多种植物皂苷混合物的研究结果展示了其在开发高性能可持续表面活性剂系统方面的巨大潜力。总体而言，这项研究表明，将具有民族植物多样性的皂苷来源与统计优化策略相结合，可以为开发高性能、可持续的表面活性剂系统提供可行的途径，从而超越了文献中报道的传统单一提取物方法。

4. 结论

本研究成功开发出了基于皂苷的环保型天然表面活性剂配方，这些配方来源于印度东北部的本土植物。对优化组合（包括A. chinensis树皮、A. auriculiformis豆荚、A. auriculiformis叶片和A. pennata树皮）的物理化学表征显示其具有强烈的表面活性，其临界胶束浓度（CMC）值明显低于SLS（0.011–0.024%），表明在较低浓度下即可形成高效的胶束。Ross–Miles分析显示其具有竞争力的泡沫高度和优异的泡沫稳定性。Taguchi优化实现了精确的配方调整，使接触角最小化为74.0°，与预测值（72.8°）非常接近，模型可靠性非常高（R2 = 99.7%；调整后的R2 = 97.9%）。优化后的系统在未处理和漂白头发基底上都表现出良好的润湿性能，接触角值分别为73.3o和47.6o。此外，高乳化指数（56.8%）证实了其强大的界面稳定能力。这些结果表明，所开发的皂苷系统可作为合成表面活性剂的可持续、有效替代品。通过引入用于优化多种植物混合物的统计框架，本研究超越了传统的单一来源方法，适用于工业和化妆品应用。观察到的CMC和接触角的协同降低进一步突显了多组分天然表面活性剂系统作为可调节且高效替代合成配方的潜力。

3.6. 乳化效率和头发表面润湿性

乳化性能对于表面活性剂在化妆品和 topical 产品中的实际应用至关重要[48]。优化的皂苷混合物（ACB、AAP、AAL、APB）的E??值为56.8%（图6a），与SLS（69.8%）相当。这表明这种植物来源的混合物形成了适合乳化系统的稳定油水界面[49][50]。

下载：下载高分辨率图片（349KB）下载：下载全尺寸图片

图6. (a) 使用优化后的皂苷混合物（1% w/v）与SLS相比的乳化指数（E??），显示出显著的天然乳化潜力；(b) 使用优化后的皂苷混合物（1% w/v）处理过的未处理和漂白头发的润湿性（1秒）和展开性（60秒）分析。数据以平均值±标准差（SD）（n = 3）的形式呈现。误差条代表标准差。

使用人类头发测试了生物基底的润湿性（图6b）。最初，使用超纯水测量未处理和漂白头发的润湿性，分别为105.9 ± 0.50和81.7 ± 0.8o，这与之前记录的未处理头发的105 ± 5o[51]和漂白头发的78 ± 1o[52]值相符。然而，在应用优化后的混合物后，未处理和漂白头发的接触角值显著降低，分别降至73.3o和47.6o，表明快速展开和强大的界面活性。漂白头发上润湿性的改善可能归因于去除了85%的脂质F层，从而增强了表面粗糙度和孔隙率，有利于表面活性剂的更好附着[27][53]。光谱、表面活性和应用研究的结果共同表明，来自印度东北部植物的多种植物皂苷混合物在开发高性能可持续表面活性剂系统方面具有巨大潜力。总体而言，本研究证明了结合民族植物多样性的皂苷来源与统计优化策略可以为开发高性能、可持续的表面活性剂系统提供一条可扩展的路径，从而超越了文献中报道的传统单一提取物方法。

4. 结论

本研究成功地开发出了基于皂苷的环保型天然表面活性剂配方，这些配方来源于印度东北部的本土植物。对包括A. chinensis树皮、A. auriculiformis豆荚、A. auriculiformis叶片和A. pennata树皮在内的优化组合的物理化学表征显示其具有强烈的表面活性，其临界胶束浓度（CMC）值明显低于SLS（0.011–0.024%），表明在较低浓度下即可形成高效的胶束。Ross–Miles分析显示其具有竞争力的泡沫高度和优异的泡沫稳定性。Taguchi优化实现了精确的配方调整，使接触角最小化为74.0°，与预测值（72.8°）非常接近，模型可靠性很高（R2 = 99.7%；调整后的R2 = 97.9%）。优化后的系统在未处理和漂白头发基底上都表现出良好的润湿性能，接触角值分别为73.3o和47.6o。此外，高乳化指数（56.8%）证实了其强大的界面稳定能力。这些结果表明，开发的皂苷系统可以作为合成表面活性剂的可持续、有效替代品。通过引入用于优化多种植物混合物的统计框架，本研究超越了传统的单一来源方法，适用于工业和化妆品应用。观察到的CMC和接触角的协同降低进一步突显了多组分天然表面活性剂系统作为可调且高效合成替代品的潜力。

CRedI作者贡献声明

Sanjeeb Kalita：撰写 – 审稿与编辑、可视化、验证、项目管理、数据管理。
Debajit Mahanta：撰写 – 审稿与编辑、可视化、验证、项目管理、资金获取、数据管理。
Vani G Viswam：撰写 – 审稿与编辑、原始草稿撰写、方法论研究、数据分析。
Jagajjanani Ro K：撰写 – 审稿与编辑、可视化、验证、监督、资源管理、项目管理、数据分析、概念化。
Tarangini Korumilli：撰写 – 审稿与编辑、可视化、验证、资源管理、项目管理、数据管理。