基于可持续质子型深共晶溶剂辅助的超临界流体萃取技术,结合混合机器学习模型优化香蕉皮中槲皮素的提取:一种用于制备美白剂的循环经济方案

《Separation and Purification Technology》:Sustainable protic type deep eutectic solvent assisted supercritical fluid extraction and hybrid ML model optimisation of quercetin from banana peel: A circular economy approach for skin brightening agents

【字体: 大 中 小 】 时间:2026年06月24日 来源:Separation and Purification Technology 9.1

编辑推荐:

  Dhandapani Ramesh|Gracia Saral Gladison|Lavanya Priyadarshini Ramalingam|Udayakumar Mani|Senthilkumar Rathnasay印度泰米尔纳德邦坦贾武尔的SASTRA大学绿色分离工程实验

  
Dhandapani Ramesh|Gracia Saral Gladison|Lavanya Priyadarshini Ramalingam|Udayakumar Mani|Senthilkumar Rathnasay
印度泰米尔纳德邦坦贾武尔的SASTRA大学绿色分离工程实验室。

摘要

槲皮素是一种具有化妆品应用潜力的重要黄酮类化合物,存在于香蕉皮中,而香蕉皮则是目前未被充分利用的农业工业废弃物。本研究开发了一种基于绿色质子型深共晶溶剂辅助的超临界流体萃取方法,并通过随机森林-遗传算法混合模型对该方法进行了优化。在筛选以氯化胆碱为基底的深共晶溶剂时,发现ChCl:乳酸(1:2)的组合效果最佳,初步实验中总黄酮含量可达28.3?±?1.2 mgQEq/g。通过42次实验及RF-GA建模,对压力、温度、时间、深共晶溶剂浓度以及萃取循环次数这五个参数进行了优化,最终获得了出色的交叉验证结果(R2?=?0.8742,R?=?0.9350,RMSE?=?0.60 mgQEq/g)。遗传算法确定的最佳萃取条件为:压力153巴,温度54摄氏度,萃取时间24.7分钟,深共晶溶剂浓度为12.78%(以乙醇百分比计),萃取循环2次,实际实验中的总黄酮含量为33.04?±?1.7 mgQEq/g,较初步筛选结果提升了16.7%。富含槲皮素的提取物表现出较强的酪氨酸酶抑制作用,其IC??值为11.23?±?1.1?μM,优于曲酸的26.12?μM。此外,有超过84%的深共晶溶剂能够被回收,且其在五次萃取循环中仍保持活性。初步的技术经济评估显示,与索氏萃取法相比,该工艺可减少95%的溶剂消耗量,同时降低57%的能源需求。本研究为香蕉皮的资源化利用提供了一种高效、可持续的方案,同时也展现了RF-GA建模在复杂深共晶溶剂辅助超临界流体萃取过程设计中的应用潜力。

引言

在制药、食品和化妆品行业中,人们对天然生物活性化合物的需求日益增加,这推动了可持续萃取技术的发展[1]。槲皮素是一种重要的黄酮类化合物,富含抗氧化剂、抗炎成分以及抑制黑色素生成的物质。这些特性使得槲皮素成为制备美白产品的理想成分[2]。因此,如何高效地从各种来源中提取槲皮素及其他相关化合物,便成为一项重要的科学和技术挑战,因为槲皮素具有强大的抗氧化作用,还能有效抑制黑色素的生成[3]。此外,农业工业废弃物的处理也是全球面临的环境问题。香蕉皮的重量通常占整个香蕉重量的30–40%,而这些废弃物中含有大量的槲皮素、没食子酸以及其他多酚类物质[4]。每年都有数百万吨的香蕉皮被丢弃,这不仅给环境带来负担,也造成了宝贵的植物化学物质的损失[5]。充分利用这些未被充分利用的废弃物,符合循环经济理念[6]。然而,传统的萃取方法,如有机溶剂浸提,往往效率低下、耗时较长,且对环境有害。尽管如此,近年来还是出现了一些更环保的萃取技术[7]。
深共晶溶剂作为一种绿色、可调控且可生物降解的替代品,逐渐取代了挥发性有机溶剂[8]、[9]、[10]、[11]。质子型深共晶溶剂具备破坏植物细胞壁的能力,还能与目标黄酮类化合物形成氢键,从而提高萃取效率。当这类溶剂与二氧化碳这种无毒、不可燃的绿色超临界流体结合使用时,可作为助溶剂,提升超临界二氧化碳的极性,进而提高槲皮素等极性化合物的溶解度[12]、[13]、[14]。借助质子型深共晶溶剂的超临界流体萃取过程在较低温度下进行,有助于保留那些热不稳定的化合物[15]、[16]。萃取效率取决于压力、温度、萃取时间、深共晶溶剂浓度以及萃取循环次数等多种相互作用的参数,而这些参数之间的关系往往较为复杂。传统的单因素逐一试验法和响应面法往往无法准确描述这些复杂的相互作用关系。机器学习算法,尤其是随机森林这类集成学习方法,即便在数据量较小的情况下(n≈40),也能高精度地模拟这类非线性关系[17]、[18]。将机器学习算法与用于全局优化的遗传算法相结合,就可以无需进行大量实验,就能快速通过数据驱动的方式确定最佳的萃取条件[19]。与基于梯度的优化方法不同,遗传算法不需要可微分的函数,能够高效地在高维参数空间中进行搜索,因此非常适合用于优化那些“黑箱”式的机器学习模型。在此背景下,随机森林可以被视为预测萃取效率的“黑箱”模型,而遗传算法则负责探索不同的工艺参数组合,从而在不依赖梯度信息的情况下找到全局最优的萃取条件[20]。
尽管具有上述优势,但目前尚未有研究将RF-GA混合建模方法应用于从香蕉皮中提取槲皮素的质子型深共晶溶剂辅助超临界流体萃取过程中。此外,本研究还对比了传统萃取方法与所提出的新型萃取方法在技术经济方面的差异,以此量化该新型萃取工艺的可持续性优势。因此,本研究的主要目的包括:(i) 筛选适用于槲皮素提取的以氯化胆碱为基底的质子型深共晶溶剂;(ii) 通过RF-GA方法优化质子型深共晶溶剂辅助超临界流体萃取的各工艺参数;(iii) 测定槲皮素的回收率以及质子型深共晶溶剂的重复使用性能;(iv) 通过傅里叶变换红外光谱分析质子型深共晶溶剂与槲皮素之间的相互作用;(v) 通过酪氨酸酶抑制试验评估优化后的提取物在美白方面的潜力。

章节节选

化学品与试剂

槲皮素标准品(纯度≥98%)、氯化胆碱(纯度≥99%)、乳酸(纯度85%)、苹果酸(纯度≥99%)、酒石酸(纯度≥99%)、柠檬酸(纯度≥99%)、Folin-Ciocalteu试剂、DPPH试剂、蘑菇酪氨酸酶以及L-DOPA均购自印度Sigma-Aldrich公司。二氧化碳(纯度99.9%)由泰鲁奇拉帕利的Shanmuga Agencies公司提供。其余所有溶剂均为分析级或HPLC级产品。

原材料准备

香蕉皮(学名 L. cv. ‘Nendran’,基因组分类为AAB组)是从印度坦贾武尔的一家当地水果加工厂采集的,采集后对其进行了清洗

在固定超临界条件下的深共晶溶剂筛选

在图5中所展示的四种经测试的质子型深共晶溶剂(氯化胆碱与乳酸、苹果酸、酒石酸以及柠檬酸的混合物)中,ChCl:乳酸(1:2)在固定的超临界条件下能得到最高的总黄酮含量,数值为28.3?±?1.2 mgQEq/g,该数值是根据标准的槲皮素校准曲线计算得出的(公式为Y=0.0018×,R2?=?0.993),其次是ChCl:苹果酸(22.8?±?1.3 mgQEq/g)和ChCl:酒石酸(19.2?±?1.3 mgQEq/g)。而ChCl:柠檬酸虽然具有较强的氢键形成能力,但其粘度较高,这可能阻碍了物质传递过程

结论

本研究采用质子型深共晶溶剂辅助超临界流体萃取技术,开发出一种绿色、高效且基于数据驱动的从香蕉皮废弃物中提取槲皮素的方法。与索氏萃取法相比,该工艺在可持续性方面优势显著,溶剂消耗量可减少95%,能源需求则可降低57%。通过对四种以氯化胆碱为基底的质子型深共晶溶剂进行筛选,发现ChCl:乳酸(1:2)因其适宜的密度、粘度以及良好的氢键形成能力,具有出色的萃取效果。

人工智能使用声明

作者确认,在撰写本文时并未使用任何人工智能辅助写作工具来生成核心内容。GitHub仓库中仅存放有用于RF-GA建模和数据处理的脚本,语言编辑则使用了常规的语法检查工具Grammarly。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

致谢

所有作者均要感谢印度泰米尔纳德邦坦贾武尔的SASTRA大学,该大学设有绿色分离工程实验室,还通过T.R.R.研究计划为“从食品废弃物中提取功能性营养品及高附加值产品”的项目提供了资金支持,同时也为我们完成了这项研究提供了必要的实验设施。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号