基于高斯过程多目标贝叶斯优化的蜂粮超声辅助萃取条件优化及其生物活性回收增强

《Frontiers in Nutrition》：Multi-objective optimization of ultrasound-assisted extraction for enhanced bioactive recovery from bee bread

　　

本研究旨在优化超声辅助萃取条件，以提高蜂粮（perga）中酚类化合物和抗自由基活性的回收率。研究人员将三因素Box-Behnken设计（超声振幅30–70%、提取时间8–22 min、乙醇浓度20–80%，v/v）与高斯过程（Gaussian Process，GP）替代建模及单循环基于GP的多目标贝叶斯优化（GP-MOBO）候选选择策略相结合。利用预测不确定性和基于Pareto的分析确定了一个均衡的萃取条件，随后通过实验验证，并与无超声（NUS）及常规萃取处理进行比较。所选超声辅助萃取条件（UAEopt；56.5%振幅、19.0 min、56.8%乙醇）的总酚含量（Total Phenolic Content，TPC）为17.32 mg GAE/g，而匹配的NUS为11.76 mg GAE/g（p < 0.01）。抗自由基活性也从NUS的3.215 mg TEAC/g提高到UAEopt的4.17 mg TEAC/g（p < 0.05）。高效液相色谱-二极管阵列检测（HPLC-DAD）分析显示，UAEopt所测酚类化合物总浓度最高（44.19 ± 1.23 μg/g），其中没食子酸为主要化合物。液相色谱-质谱联用（LC-MS）分析进一步表明，在所评估的萃取条件中，UAEopt的总游离氨基酸浓度最高（23,409.32 ± 766.26 μg/g），谷氨酸、天冬氨酸和脯氨酸为主要成分。这些发现证明，高斯过程引导的多目标优化可支持选择有效的超声辅助萃取条件，并提高蜂粮中多种生物活性组分的回收率。

蜂粮（bee bread，perga）是蜜蜂采集花粉后经乳酸菌和酵母发酵形成的高营养蜂产品，富含酚类化合物、蛋白质、游离氨基酸等，其抗氧化活性主要来自多酚。传统溶剂萃取效率较低且有机溶剂消耗大；超声辅助萃取（ultrasound-assisted extraction，UAE）因其绿色、高效而受到重视。然而，UAE参数（超声振幅、时间、乙醇浓度）对响应的影响呈非线性且存在交互作用，同时需兼顾总酚含量（Total Phenolic Content，TPC）与DPPH自由基清除活性两个目标。传统单因素或多项式响应面方法难以在有限实验下有效处理多目标优化和预测不确定性问题。研究人员因此引入高斯过程（Gaussian Process，GP）替代模型和单循环基于GP的多目标贝叶斯优化（GP-MOBO）候选选择框架，以蜂粮提取为对象筛选平衡的超声萃取条件。

实验样品来自土耳其泰基尔达省（Tekirda? Province，Türkiye）12位独立养蜂者的蜂粮，等质量混合为复合样本。研究人员采用三因素三水平Box-Behnken设计（Box-Behnken design，BBD）获取15组实验数据，以TPC和DPPH为响应变量分别建立GP回归替代模型；通过留一交叉验证（Leave-One-Out Cross-Validation，LOOCV）评估预测精度与不确定性校准；采用ParEGO式标量化策略和期望改进（Expected Improvement，EI）采集函数执行单循环GP-MOBO候选选择；对所选UAEopt进行实验验证，并与无超声对照（no-ultrasound，NUS）、常规萃取60 min（CE60）和120 min（CE120）比较；用HPLC-DAD分析酚类化合物，用LC-MS分析游离氨基酸，并通过Pearson相关分析和主成分分析（Principal Component Analysis，PCA）评价多元关系。

### 3.1 优化方法比较
在相同计算预算（120次替代模型函数评估）下，GP-MOBO的超体积（hypervolume，HV）均值最高，为0.9700，高于粒子群优化（Particle Swarm Optimization，PSO）的0.9392、鲸鱼优化算法（Whale Optimization Algorithm，WOA）的0.9323、随机采样的0.9203和遗传算法（Genetic Algorithm，GA）的0.9120；其超体积标准差最小（0.0025），Pareto非支配解平均数量最多（40.4）。这表明GP-MOBO在替代模型层面上具有更强的多目标搜索效率、解集多样性和运行稳定性。

### 3.2 GP-MOBO结果
GP-MOBO在连续设计空间中预测了Pareto前沿，并选出一个代表性候选条件S4，对应约56.5%振幅、19.0 min提取时间和56.8%乙醇；GP后验均值预测TPC为16.18 mg GAE/g，DPPH为3.96 mg TEAC/g。不确定性图显示，TPC预测方差在中心区域较低、边缘升高，DPPH预测不确定性呈方向依赖性，说明候选条件不能仅依据后验均值，还需结合预测不确定性进行探索-利用权衡。LOOCV结果表明，DPPH替代模型预测性能较好（R²=0.828），而TPC替代模型交叉验证R²为负值（R²=?0.640），提示TPC点预测的外推能力有限，相关优化结果应谨慎解读。

### 3.3 总生物活性化合物
实验验证显示，UAEopt的TPC为17.32 mg GAE/g，显著高于匹配NUS的11.76 mg GAE/g（p < 0.01）；DPPH抗自由基活性从NUS的3.215 mg TEAC/g提高到UAEopt的4.17 mg TEAC/g（p < 0.05），CE60和CE120居中。相同溶剂组成和接触时间下，超声的加入显著提高了酚类物质向溶剂相的迁移，研究将其归因于超声引起的基质结构破坏和传质增强。与文献中蜂粮TPC范围相比，UAEopt结果高于多项已有研究。

### 3.4 酚类化合物（HPLC-DAD）
UAEopt的定量酚类化合物总浓度为44.19 ± 1.23 μg/g，高于CE120（35.63 ± 0.90 μg/g）、CE60（31.77 ± 1