Optimización del proceso de precipitación de alcohol polisacárido de regaliz basado en el método de peso de entropía mejorado combinado con el modelo TOPSIS y el modelado BPNN
Según la bibliografía, los polisacáridos de regaliz son uno de los principales principios activos del regaliz, con actividades fisiológicas como antitumoral, antiinflamatoria, antiviral y de regulación inmunitaria. Se han convertido en un foco de investigación para explorar los principios activos farmacológicos del regaliz. En la actualidad, la investigación sobre los polisacáridos del regaliz se centra principalmente en los procesos de extracción, las técnicas de purificación y los estudios de actividad farmacológica. La investigación ha demostrado que los polisacáridos hidrosolubles del regaliz son un heteropolisacárido multicomponente, muy ramificado y unido a proteínas. La investigación farmacológica ha descubierto que los polisacáridos purificados tienen menor actividad farmacológica que los polisacáridos crudos. Se especula que la adición de reactivos químicos, los complejos pasos de purificación y la pérdida de proteínas son las principales razones. Este artículo se centrará en la optimización del proceso de precipitación alcohólica de los componentes hidrosolubles del regaliz, los polisacáridos del regaliz.

La teoría de la entropía de la información, como método de ponderación objetiva, se utiliza ampliamente en la investigación de la optimización de múltiples indicadores que intervienen en el proceso de extracción de la medicina tradicional china y las fórmulas compuestas. Sin embargo, cuando la ponderación de entropía del método tradicional de ponderación de entropía es superior a 0,5, los cambios en los datos individuales provocarán una duplicación de la ponderación, lo que afectará a la determinación de los parámetros del proceso. Por lo tanto, este artículo adopta un método de ponderación de entropía mejorado para superar eficazmente sus deficiencias, mejorar la precisión de la toma de decisiones, obtener datos más fiables y hacer que los resultados sean más científicos y razonables. El método TOPSIS clasifica los planes experimentales en función de la proximidad entre el objeto de evaluación y el objetivo idealizado, y convierte múltiples indicadores en indicadores globales. Es un método de análisis de decisiones con indicadores múltiples que puede reflejar la situación global de la muestra. En los últimos años, los estudiosos han combinado el método TOPSIS con el método de peso de entropía para asignar pesos a los indicadores de evaluación, evaluando así de forma exhaustiva los esquemas experimentales. Este método puede evitar eficazmente la interferencia subjetiva de factores humanos en los resultados experimentales, haciendo que los resultados de la evaluación sean más objetivos y exhaustivos. Este método se ha utilizado ampliamente en la evaluación exhaustiva de la calidad de la medicina tradicional china y es adecuado para el problema de optimización de procesos de este estudio. La red neuronal BP (BPNN) puede romper las limitaciones de los diseños experimentales convencionales como el diseño ortogonal y el diseño de punto estrella en la optimización de parámetros óptimos a un nivel predeterminado. Mediante la simulación del procesamiento de información compleja por el sistema nervioso del cerebro humano, se puede establecer un modelo matemático para estudiar relaciones no lineales complejas.

A través de la revisión de la literatura, se encontró que el tiempo de precipitación de alcohol, la fracción de volumen de etanol, y la densidad relativa de la solución concentrada tienen un impacto significativo sobre el efecto de precipitación de alcohol de polisacáridos. Por lo tanto, nuestro grupo de investigación utilizó los polisacáridos de regaliz, los monosacáridos, el contenido total de azúcar y la cantidad de extracción como indicadores de evaluación, procesó los datos experimentales utilizando el método de peso de entropía mejorado y el método TOPSIS de peso de entropía, estudió los principales factores de la precipitación alcohólica de los polisacáridos de regaliz, comparó la aplicabilidad de los dos métodos de análisis en el diseño ortogonal, se determinó el proceso óptimo de precipitación alcohólica y, a continuación, se utilizó el modelado de red neuronal BP para la optimización de la simulación con el fin de buscar los parámetros óptimos del proceso de precipitación alcohólica para los polisacáridos de regaliz, con el fin de seleccionar un proceso de precipitación alcohólica estable y viable para la preparación de polisacáridos de regaliz, y proporcionar una base científica para su posterior desarrollo, utilización y control de calidad integral.

 

Los efectos farmacológicos de la medicina tradicional china son el resultado de la acción coordinada de múltiples componentes, y los azúcares totales mezclados que contienen los extractos de medicina tradicional china actúan conjuntamente para que los polisacáridos ejerzan mejor sus efectos farmacológicos. En la industria existe la opinión de que "cuanto más puros son los polisacáridos, menor es su actividad". La literatura previa sobre el proceso de extracción y precipitación alcohólica de los polisacáridos del regaliz ha evaluado principalmente la cantidad de extracción y el contenido de polisacáridos (o rendimiento) como indicadores, y los resultados de la optimización son difíciles de reflejar la compleja naturaleza inherente de los polisacáridos. La investigación existente utiliza principalmente polvo de regaliz como materia prima de extracción, y los polisacáridos crudos obtenidos en la etapa posterior necesitan ser purificados por el método Savage, éter, acetona, metanol y otros métodos de reactivos químicos. Los reactivos utilizados en el proceso de purificación son relativamente nocivos para el cuerpo humano. El tratamiento de trituración temprana y los procesos de desengrasado con etanol o éter no sólo aumentan los costes y el tiempo de producción, sino que también ponen en grave peligro la salud física y mental de los operarios. Además, los reactivos químicos utilizados para la eliminación de impurezas y el desengrasado están en su mayoría prohibidos en la producción de preparados de medicina tradicional china. Por lo tanto, con el fin de optimizar el proceso de precipitación alcohólica de los polisacáridos de regaliz, este estudio toma como objeto de investigación los trozos de decocción de regaliz. Basándose en experimentos de un solo factor, se seleccionan factores principales como la relación de concentración, el tiempo de precipitación del alcohol y la fracción volumétrica de etanol, y se utilizan como indicadores de evaluación los polisacáridos de regaliz, los azúcares totales, el contenido de monosacáridos y la cantidad de extracción. El método de peso de entropía mejorado combinado con el método de modelo TOPSIS se utiliza para procesar los datos experimentales ortogonales, y la simulación de modelado BPNN se utiliza para la optimización del proceso. Comparando los resultados de utilizar el método de peso de entropía mejorado solo y el método TOPSIS combinado de peso de entropía mejorado, se encontró que el método TOPSIS de peso de entropía mejorado puede utilizar completamente la información de los datos originales, evaluar exhaustivamente los resultados experimentales ortogonales para obtener la combinación óptima de parámetros, evitar eficazmente los factores subjetivos en el proceso de optimización, mejorar la precisión y la cientificidad de la toma de decisiones, y hacer que los resultados sean más fiables. Finalmente, se determinó que el proceso óptimo de precipitación con alcohol para los polisacáridos de regaliz consistía en concentrar la solución de extracción a 2,5mL/g, ajustar la fracción volumétrica de etanol a 70% y precipitar durante 20 horas.
Sobre la base de experimentos ortogonales, se construyó un modelo de red neuronal BP utilizando el software Matlab 12.0. Mediante el aprendizaje y el entrenamiento de los datos de los experimentos ortogonales, se obtuvo un modelo de red con buena precisión, estabilidad y fiabilidad. Mediante la optimización por simulación de funciones, se obtuvo el proceso óptimo siguiente: concentrar la solución de extracción a 2,0 mL/g, ajustar la fracción volumétrica de etanol a 67% y precipitar con alcohol durante 24 horas. Tras la validación del proceso, se comprobó que la puntuación global del resultado de la optimización del modelado BPNN era ligeramente inferior a la del método de puntuación global y al método TOPSIS de peso de entropía mejorado, pero su valor RSD era pequeño. La red neuronal BP tiene una gran capacidad de autoaprendizaje y el proceso resultante es más estable. Por lo tanto, se determinó que el resultado de la optimización del modelado BPNN era el proceso óptimo para la precipitación del alcohol polisacárido de regaliz.

Este experimento determinó el nivel de los factores que afectan a la precipitación alcohólica de los polisacáridos de regaliz mediante un estudio de un solo factor, organizó el experimento utilizando un diseño ortogonal y procesó los datos experimentales utilizando un método de peso de entropía mejorado para superar las deficiencias de los métodos de peso de entropía tradicionales, en los que ligeros cambios en el peso de entropía de un determinado indicador provocan los correspondientes cambios de duplicación del peso. Para optimizar el proceso de precipitación alcohólica de los polisacáridos de regaliz se seleccionaron múltiples indicadores para su evaluación exhaustiva. Mediante la comparación de los resultados del método de puntuación integral y el método TOPSIS de peso de entropía mejorado, se determinó la importancia de los factores que afectan a la precipitación alcohólica de los polisacáridos de regaliz. El aprendizaje ortogonal de parámetros se entrenó utilizando una red neuronal B para la optimización de la simulación. Se modelaron y optimizaron problemas no lineales sin aumentar el número de experimentos, supliendo las deficiencias de los experimentos de optimización anteriores. Los parámetros de proceso obtenidos fueron más científicos y fiables, proporcionando una base objetiva para el desarrollo futuro, la investigación y la producción a gran escala de polisacáridos de regaliz, y aportando nuevas ideas para cuestiones relacionadas con la optimización de procesos.