Optimering af udfældningsprocessen for lakridspolysaccharidalkohol baseret på forbedret entropivægtmetode kombineret med TOPSIS-model og BPNN-modellering
Ifølge litteraturrapporter er lakridspolysaccharider en af de vigtigste aktive ingredienser i lakrids med fysiologiske aktiviteter som antitumor, antiinflammatorisk, antiviral og immunregulering. De er blevet et forsknings-hotspot for udforskning af de farmakologiske aktive ingredienser i lakrids. I øjeblikket fokuserer forskningen i lakridspolysaccharider hovedsageligt på udvindingsprocesser, rensningsteknikker og studier af farmakologisk aktivitet. Forskning har vist, at vandopløselige lakridspolysaccharider er et flerkomponent, stærkt forgrenet og proteinbundet heteropolysaccharid. Farmakologisk forskning har vist, at rensede polysaccharider har lavere farmakologisk aktivitet end rå polysaccharider. Det spekuleres i, at tilsætning af kemiske reagenser, komplekse oprensningstrin og proteintab er hovedårsagerne. Denne artikel vil fokusere på at optimere alkoholudfældningsprocessen af vandopløselige komponenter i lakrids, lakridspolysaccharider.

Informationsentropiteorien, som en objektiv vægtningsmetode, bruges i vid udstrækning i optimeringsforskningen af flere indikatorer, der er involveret i udvindingsprocessen af traditionel kinesisk medicin og sammensatte formler. Men når entropivægten for den traditionelle entropivægtmetode er større end 0,5, vil ændringer i individuelle data medføre en fordobling af vægten og dermed påvirke bestemmelsen af procesparametre. Derfor anvender denne artikel en forbedret entropivægtmetode til effektivt at overvinde dens mangler, forbedre beslutningstagningens nøjagtighed, opnå mere pålidelige data og gøre resultaterne mere videnskabelige og rimelige. TOPSIS-metoden rangordner forsøgsplaner baseret på nærheden mellem evalueringsobjektet og det idealiserede mål og omdanner flere indikatorer til omfattende indikatorer. Det er en beslutningsanalysemetode med flere indikatorer, der kan afspejle den overordnede situation for prøven. I de senere år har forskere kombineret TOPSIS-metoden med entropivægtmetoden for at tildele vægte til evalueringsindikatorer og derved foretage en omfattende evaluering af forsøgsordninger. Denne metode kan effektivt undgå subjektiv indblanding af menneskelige faktorer i de eksperimentelle resultater, hvilket gør evalueringsresultaterne mere objektive og omfattende. Denne metode er blevet brugt i vid udstrækning i den omfattende evaluering af kvaliteten af traditionel kinesisk medicin og er velegnet til procesoptimeringsproblemet i denne undersøgelse. BP-neurale netværk (BPNN) kan bryde begrænsningerne i konventionelle forsøgsdesigns som ortogonalt design og stjernepunktsdesign ved optimering af optimale parametre på et forudbestemt niveau. Ved at simulere behandlingen af kompleks information i den menneskelige hjernes nervesystem kan der etableres en matematisk model til at studere komplekse ikke-lineære forhold.

Gennem litteraturgennemgang blev det konstateret, at alkoholudfældningstid, ethanolvolumenfraktion og relativ tæthed af koncentreret opløsning har en betydelig indvirkning på alkoholudfældningseffekten af polysaccharider. Derfor brugte vores forskningsgruppe lakridspolysaccharider, monosaccharider, samlet sukkerindhold og ekstraktionsmængde som evalueringsindikatorer, behandlede eksperimentelle data ved hjælp af forbedret entropivægtmetode og entropivægt TOPSIS-metode, undersøgte de vigtigste faktorer for lakridspolysaccharidalkoholudfældning, sammenlignede anvendeligheden af de to analysemetoder i ortogonalt design, bestemte den optimale alkoholudfældningsproces og brugte derefter BP-neurale netværksmodeller til simuleringsoptimering for at søge de optimale alkoholudfældningsprocesparametre for lakridspolysaccharider for at vælge en stabil og gennemførlig alkoholudfældningsproces til lakridspolysaccharidforberedelse og give videnskabeligt grundlag for dets videre udvikling, anvendelse og omfattende kvalitetskontrol.

 

De farmakologiske virkninger af traditionel kinesisk medicin er resultatet af den koordinerede virkning af flere komponenter, og de blandede samlede sukkerarter i ekstrakter af traditionel kinesisk medicin arbejder sammen for at gøre polysaccharider bedre til at udøve deres farmakologiske virkninger. Der er en opfattelse i industrien af, at "jo renere polysacchariderne er, jo lavere er aktiviteten". Tidligere litteratur om ekstraktions- og alkoholfældningsprocessen for polysaccharider i lakrids har hovedsageligt evalueret ekstraktionsmængden og polysaccharidindholdet (eller udbyttet) som indikatorer, og optimeringsresultaterne er vanskelige at afspejle polysaccharidernes komplekse iboende natur. Eksisterende forskning bruger for det meste lakridspulver som ekstraktionsråmateriale, og de rå polysaccharider, der opnås i den senere fase, skal renses ved hjælp af Savage-metoden, ether, acetone, methanol og andre kemiske reagensmetoder. De reagenser, der anvendes i oprensningsprocessen, er relativt skadelige for menneskekroppen. Den tidlige knusningsbehandling, ethanol- eller etheraffedtningsprocesser øger ikke kun produktionsomkostningerne og -tiden, men bringer også operatørernes fysiske og mentale sundhed i alvorlig fare. Desuden er de kemiske reagenser, der bruges til fjernelse af urenheder og affedtning, for det meste forbudt i produktionen af traditionelle kinesiske medicinpræparater. For at optimere alkoholudfældningsprocessen af lakridspolysaccharider tager denne undersøgelse derfor lakridsafkogsstykker som forskningsobjekt. Baseret på enkeltfaktoreksperimenter vælges de vigtigste faktorer som koncentrationsforhold, alkoholudfældningstid og ethanolvolumenfraktion, og lakridspolysaccharider, totalt sukkerindhold, monosaccharidindhold og ekstraktionsmængde bruges som evalueringsindikatorer. Den forbedrede entropivægtmetode kombineret med TOPSIS-modelmetoden bruges til at behandle de ortogonale eksperimentelle data, og BPNN-modelsimulering bruges til procesoptimering. Ved at sammenligne resultaterne af at bruge den forbedrede entropivægtmetode alene og den forbedrede entropivægt kombinerede TOPSIS-metode blev det konstateret, at den forbedrede entropivægt TOPSIS-metode fuldt ud kan udnytte de originale dataoplysninger, omfattende evaluere de ortogonale eksperimentelle resultater for at opnå den optimale parameterkombination, effektivt undgå subjektive faktorer i optimeringsprocessen, forbedre beslutningstagningens nøjagtighed og videnskabelighed og gøre resultaterne mere pålidelige. Endelig blev den optimale alkoholudfældningsproces for lakridspolysaccharider bestemt til at koncentrere ekstraktionsopløsningen til 2,5 ml/g, justere ethanolvolumenfraktionen til 70% og udfælde i 20 timer.
På baggrund af ortogonale eksperimenter blev der konstrueret en BP-neural netværksmodel ved hjælp af Matlab 12.0-software. Ved at lære og træne de ortogonale eksperimentdata blev der opnået en netværksmodel med god nøjagtighed, stabilitet og pålidelighed. Ved hjælp af sim-funktionssimuleringsoptimering blev den optimale proces opnået som følger: Koncentrer ekstraktionsopløsningen til 2,0 ml/g, juster ethanolvolumenfraktionen til 67%, og udfæld med alkohol i 24 timer. Efter procesvalidering blev det konstateret, at den omfattende score for BPNN-modelleringsoptimeringsresultatet var lidt lavere end for den omfattende scoremetode og den forbedrede entropivægt TOPSIS-metode, men dens RSD-værdi var lille. Det neurale BP-netværk har en stærk selvlæringsevne, og den resulterende proces er mere stabil. Derfor blev BPNN-modelleringsoptimeringsresultatet bestemt til at være den optimale proces til udfældning af lakridspolysaccharidalkohol.

Dette eksperiment bestemte niveauet af faktorer, der påvirker alkoholudfældningen af lakridspolysaccharider gennem en enkeltfaktorundersøgelse, arrangerede eksperimentet ved hjælp af ortogonalt design og behandlede de eksperimentelle data ved hjælp af en forbedret entropivægtmetode for at overvinde manglerne ved traditionelle entropivægtmetoder, hvor små ændringer i entropivægten for en bestemt indikator forårsager tilsvarende vægtfordoblingsændringer. Flere indikatorer blev udvalgt til omfattende evaluering for at optimere alkoholudfældningsprocessen for lakridspolysaccharider. Ved at sammenligne resultaterne af den omfattende scoringsmetode og den forbedrede entropivægt TOPSIS-metode blev vigtigheden af faktorer, der påvirker alkoholudfældning af lakridspolysaccharider, bestemt. Den ortogonale parameterindlæring blev trænet ved hjælp af et B-neuralnetværk til simulationsoptimering. Ikke-linære problemer blev modelleret og optimeret uden at øge antallet af eksperimenter, hvilket kompenserer for manglerne ved tidligere optimeringseksperimenter. De opnåede procesparametre var mere videnskabelige og pålidelige, hvilket gav et objektivt grundlag for videreudvikling, forskning og storstilet produktion af lakridspolysaccharider og gav nye ideer til relaterede procesoptimeringsspørgsmål.