Optimierung des Fällungsprozesses von Lakritz-Polysaccharid-Alkohol auf der Grundlage einer verbesserten Entropie-Gewichts-Methode in Kombination mit dem TOPSIS-Modell und der BPNN-Modellierung
Literaturberichten zufolge sind Lakritz-Polysaccharide einer der Hauptwirkstoffe von Lakritz mit physiologischen Aktivitäten wie Antitumor-, entzündungshemmenden, antiviralen und immunregulierenden Eigenschaften. Sie sind zu einem Forschungsschwerpunkt für die Erforschung der pharmakologischen Wirkstoffe von Lakritz geworden. Derzeit konzentriert sich die Forschung zu Lakritz-Polysacchariden hauptsächlich auf Extraktionsverfahren, Reinigungstechniken und Studien zur pharmakologischen Aktivität. Die Forschung hat gezeigt, dass wasserlösliche Lakritz-Polysaccharide ein mehrkomponentiges, stark verzweigtes und proteingebundenes Heteropolysaccharid sind. Pharmakologische Untersuchungen haben ergeben, dass gereinigte Polysaccharide eine geringere pharmakologische Aktivität aufweisen als rohe Polysaccharide. Es wird vermutet, dass die Zugabe von chemischen Reagenzien, die komplexen Reinigungsschritte und der Verlust von Proteinen die Hauptgründe dafür sind. Dieser Artikel befasst sich mit der Optimierung des Alkoholausfällungsprozesses von wasserlöslichen Komponenten in Lakritz, den Lakritzpolysacchariden.

Die Informationsentropie-Theorie wird als objektive Gewichtungsmethode in der Optimierungsforschung für mehrere Indikatoren im Extraktionsprozess der traditionellen chinesischen Medizin und zusammengesetzter Formeln weithin verwendet. Wenn jedoch das Entropiegewicht der traditionellen Entropiegewichtsmethode größer als 0,5 ist, führen Änderungen einzelner Daten zu einer Verdoppelung des Gewichts, was die Bestimmung der Prozessparameter beeinträchtigt. Daher wird in diesem Artikel eine verbesserte Entropiegewichtsmethode angewandt, um ihre Mängel zu beseitigen, die Entscheidungsgenauigkeit zu verbessern, zuverlässigere Daten zu erhalten und die Ergebnisse wissenschaftlicher und vernünftiger zu gestalten. Die TOPSIS-Methode ordnet Versuchspläne auf der Grundlage der Nähe zwischen dem Bewertungsobjekt und dem idealisierten Ziel ein und wandelt mehrere Indikatoren in umfassende Indikatoren um. Es handelt sich um eine Entscheidungsanalysemethode mit mehreren Indikatoren, die die Gesamtsituation der Stichprobe widerspiegeln kann. In den letzten Jahren haben Wissenschaftler die TOPSIS-Methode mit der Methode der Entropiegewichtung kombiniert, um den Bewertungsindikatoren Gewichte zuzuweisen und so eine umfassende Bewertung der Versuchspläne zu ermöglichen. Mit dieser Methode kann die subjektive Beeinflussung durch menschliche Faktoren in den Versuchsergebnissen wirksam vermieden werden, so dass die Bewertungsergebnisse objektiver und umfassender werden. Diese Methode ist bei der umfassenden Bewertung der Qualität traditioneller chinesischer Medizin weit verbreitet und eignet sich für das Problem der Prozessoptimierung in dieser Studie. Das neuronale BP-Netz (BPNN) kann die Beschränkungen herkömmlicher Versuchspläne wie Orthogonaldesign und Sternpunktdesign bei der Optimierung optimaler Parameter auf einem vorgegebenen Niveau überwinden. Durch die Simulation der Verarbeitung komplexer Informationen durch das Nervensystem des menschlichen Gehirns kann ein mathematisches Modell erstellt werden, um komplexe nichtlineare Beziehungen zu untersuchen.

Bei der Literaturrecherche wurde festgestellt, dass die Zeit der Alkoholfällung, der Ethanolvolumenanteil und die relative Dichte der konzentrierten Lösung einen erheblichen Einfluss auf die Wirkung der Alkoholfällung von Polysacchariden haben. Daher verwendete unsere Forschungsgruppe Lakritz-Polysaccharide, Monosaccharide, Gesamtzuckergehalt und Extraktionsmenge als Bewertungsindikatoren, verarbeitete experimentelle Daten unter Verwendung der verbesserten Entropie-Gewicht-Methode und der Entropie-Gewicht-TOPSIS-Methode, untersuchte die Hauptfaktoren der Lakritz-Polysaccharid-Alkohol-Fällung, verglich die Anwendbarkeit der beiden Analysemethoden im orthogonalen Design, ermittelte den optimalen Alkoholfällungsprozess und nutzte dann die BP-Neural-Network-Modellierung für die Simulationsoptimierung, um die optimalen Prozessparameter für die Alkoholfällung von Lakritz-Polysacchariden zu finden, um einen stabilen und praktikablen Alkoholfällungsprozess für die Herstellung von Lakritz-Polysacchariden auszuwählen und eine wissenschaftliche Grundlage für die weitere Entwicklung, Nutzung und umfassende Qualitätskontrolle zu schaffen.

 

Die pharmakologischen Wirkungen der traditionellen chinesischen Medizin sind das Ergebnis der koordinierten Wirkung mehrerer Komponenten, und die in den Extrakten der traditionellen chinesischen Medizin enthaltenen gemischten Gesamtzucker wirken zusammen, damit die Polysaccharide ihre pharmakologischen Wirkungen besser entfalten können. In der Industrie herrscht die Ansicht vor, dass "je reiner die Polysaccharide sind, desto geringer ist ihre Aktivität". In der bisherigen Literatur über den Extraktions- und Alkoholfällungsprozess von Polysacchariden in Lakritz wurden hauptsächlich die Extraktionsmenge und der Polysaccharidgehalt (oder die Ausbeute) als Indikatoren bewertet, und die Optimierungsergebnisse spiegeln nur schwer die komplexe inhärente Natur der Polysaccharide wider. In der bisherigen Forschung wird meist Lakritzpulver als Extraktionsrohstoff verwendet, und die in einer späteren Phase gewonnenen rohen Polysaccharide müssen durch die Savage-Methode, Ether, Aceton, Methanol und andere chemische Reagenzien gereinigt werden. Die bei der Reinigung verwendeten Reagenzien sind relativ schädlich für den menschlichen Körper. Die frühzeitige Zerkleinerung und die Entfettung mit Ethanol oder Äther erhöhen nicht nur die Produktionskosten und den Zeitaufwand, sondern gefährden auch ernsthaft die körperliche und geistige Gesundheit der Mitarbeiter. Außerdem sind die chemischen Reagenzien, die zur Entfernung von Verunreinigungen und zur Entfettung verwendet werden, bei der Herstellung von Präparaten der traditionellen chinesischen Medizin meist verboten. Um den Prozess der alkoholischen Fällung von Lakritzpolysacchariden zu optimieren, werden in dieser Studie Lakritzabkochungen als Forschungsobjekt verwendet. Auf der Grundlage von Einzelfaktorexperimenten werden die Hauptfaktoren wie Konzentrationsverhältnis, Alkoholausfällungszeit und Ethanolvolumenanteil ausgewählt, und Lakritzpolysaccharide, Gesamtzucker, Monosaccharidgehalt und Extraktionsmenge werden als Bewertungsindikatoren verwendet. Die verbesserte Entropie-Gewicht-Methode in Kombination mit der TOPSIS-Modell-Methode wird verwendet, um die orthogonalen experimentellen Daten zu verarbeiten, und die BPNN-Modellierungssimulation wird zur Prozessoptimierung eingesetzt. Beim Vergleich der Ergebnisse der verbesserten Entropiegewichtsmethode allein und der verbesserten Entropiegewichtsmethode in Kombination mit der TOPSIS-Methode wurde festgestellt, dass die verbesserte Entropiegewichts-TOPSIS-Methode die ursprünglichen Dateninformationen vollständig nutzen kann, die orthogonalen Versuchsergebnisse umfassend auswertet, um die optimale Parameterkombination zu erhalten, subjektive Faktoren im Optimierungsprozess effektiv vermeidet, die Entscheidungsgenauigkeit und Wissenschaftlichkeit verbessert und die Ergebnisse zuverlässiger macht. Schließlich wurde der optimale Alkohol-Fällungsprozess für Lakritz-Polysaccharide so bestimmt, dass die Extraktionslösung auf 2,5 ml/g konzentriert, der Ethanol-Volumenanteil auf 70% eingestellt und die Fällung 20 Stunden lang durchgeführt wurde.
Auf der Grundlage von orthogonalen Experimenten wurde mit der Software Matlab 12.0 ein neuronales BP-Netzmodell erstellt. Durch Lernen und Trainieren der orthogonalen Experimentdaten wurde ein Netzwerkmodell mit guter Genauigkeit, Stabilität und Zuverlässigkeit erhalten. Mit Hilfe der Simulationsoptimierung wurde der optimale Prozess wie folgt ermittelt: Konzentration der Extraktionslösung auf 2,0 ml/g, Einstellung des Ethanol-Volumenanteils auf 67% und Ausfällung mit Alkohol für 24 Stunden. Nach der Prozessvalidierung wurde festgestellt, dass die umfassende Bewertung des BPNN-Modellierungsoptimierungsergebnisses etwas niedriger war als die der umfassenden Bewertungsmethode und der verbesserten TOPSIS-Methode mit Entropiegewicht, aber der RSD-Wert war gering. Das neuronale BP-Netz hat eine starke Selbstlernfähigkeit und der resultierende Prozess ist stabiler. Daher wurde das Ergebnis der BPNN-Modellierungsoptimierung als optimaler Prozess für die Lakritz-Polysaccharid-Alkohol-Fällung ermittelt.

In diesem Versuch wurde die Höhe der Faktoren, die sich auf die alkoholische Fällung von Lakritzpolysacchariden auswirken, durch eine Einzelfaktorstudie bestimmt, der Versuch wurde unter Verwendung eines orthogonalen Designs angeordnet und die experimentellen Daten wurden mit einer verbesserten Entropiegewichtsmethode verarbeitet, um die Unzulänglichkeiten herkömmlicher Entropiegewichtsmethoden zu überwinden, bei denen geringfügige Änderungen des Entropiegewichts eines bestimmten Indikators entsprechende Gewichtsverdopplungen verursachen. Es wurden mehrere Indikatoren für eine umfassende Bewertung ausgewählt, um den Prozess der Alkoholfällung von Lakritzpolysacchariden zu optimieren. Durch den Vergleich der Ergebnisse der umfassenden Bewertungsmethode und der verbesserten TOPSIS-Methode mit Entropiegewicht wurde die Bedeutung der Faktoren ermittelt, die die alkoholische Ausfällung von Lakritzpolysacchariden beeinflussen. Das orthogonale Parameterlernen wurde mit Hilfe eines neuronalen B-Netzes für die Simulationsoptimierung trainiert. Nichtlineare Probleme wurden modelliert und optimiert, ohne die Anzahl der Experimente zu erhöhen, wodurch die Unzulänglichkeiten früherer Optimierungsexperimente ausgeglichen wurden. Die ermittelten Prozessparameter waren wissenschaftlicher und zuverlässiger und boten eine objektive Grundlage für die weitere Entwicklung, Forschung und großtechnische Produktion von Lakritz-Polysacchariden und lieferten neue Ideen für verwandte Fragen der Prozessoptimierung.