Optimisation du processus de précipitation de l'alcool de polysaccharide de réglisse basée sur la méthode du poids entropique amélioré combinée au modèle TOPSIS et à la modélisation BPNN
Selon la littérature, les polysaccharides de la réglisse sont l'un des principaux ingrédients actifs de la réglisse, avec des activités physiologiques telles que l'anti-tumorale, l'anti-inflammatoire, l'antivirale et la régulation immunitaire. Ils sont devenus un point chaud de la recherche pour l'exploration des principes actifs pharmacologiques de la réglisse. Actuellement, la recherche sur les polysaccharides de réglisse se concentre principalement sur les processus d'extraction, les techniques de purification et les études d'activité pharmacologique. La recherche a montré que les polysaccharides hydrosolubles de la réglisse sont des hétéropolysaccharides à composants multiples, très ramifiés et liés à des protéines. La recherche pharmacologique a montré que les polysaccharides purifiés ont une activité pharmacologique inférieure à celle des polysaccharides bruts. On suppose que l'ajout de réactifs chimiques, les étapes de purification complexes et la perte de protéines en sont les principales raisons. Cet article se concentre sur l'optimisation du processus de précipitation dans l'alcool des composants hydrosolubles de la réglisse, les polysaccharides de réglisse.

La théorie de l'entropie de l'information, en tant que méthode de pondération objective, est largement utilisée dans la recherche d'optimisation des indicateurs multiples impliqués dans le processus d'extraction de la médecine traditionnelle chinoise et des formules composées. Toutefois, lorsque le poids entropique de la méthode traditionnelle de pondération entropique est supérieur à 0,5, les changements dans les données individuelles entraînent un doublement du poids, ce qui affecte la détermination des paramètres du processus. C'est pourquoi cet article adopte une méthode améliorée de pondération entropique afin de surmonter efficacement ses défauts, d'améliorer la précision de la prise de décision, d'obtenir des données plus fiables et de rendre les résultats plus scientifiques et plus raisonnables. La méthode TOPSIS classe les plans expérimentaux en fonction de la proximité entre l'objet de l'évaluation et la cible idéalisée, et convertit les indicateurs multiples en indicateurs globaux. Il s'agit d'une méthode d'analyse décisionnelle à indicateurs multiples qui peut refléter la situation globale de l'échantillon. Ces dernières années, les chercheurs ont combiné la méthode TOPSIS avec la méthode des poids entropiques pour attribuer des poids aux indicateurs d'évaluation, ce qui permet d'évaluer les plans expérimentaux de manière exhaustive. Cette méthode permet d'éviter efficacement l'interférence subjective de facteurs humains dans les résultats expérimentaux, ce qui rend les résultats de l'évaluation plus objectifs et plus complets. Cette méthode a été largement utilisée dans l'évaluation globale de la qualité de la médecine traditionnelle chinoise et convient au problème d'optimisation des processus de la présente étude. Le réseau neuronal BP (BPNN) peut dépasser les limites des plans d'expérience conventionnels tels que le plan orthogonal et le plan en étoile pour optimiser les paramètres optimaux à un niveau prédéterminé. En simulant le traitement d'informations complexes par le système nerveux du cerveau humain, un modèle mathématique peut être établi pour étudier des relations non linéaires complexes.

L'analyse de la littérature a montré que le temps de précipitation de l'alcool, la fraction du volume d'éthanol et la densité relative de la solution concentrée ont un impact significatif sur l'effet de précipitation de l'alcool des polysaccharides. Par conséquent, notre groupe de recherche a utilisé les polysaccharides de réglisse, les monosaccharides, la teneur totale en sucre et la quantité d'extraction comme indicateurs d'évaluation, a traité les données expérimentales en utilisant la méthode du poids entropique amélioré et la méthode TOPSIS du poids entropique, a étudié les principaux facteurs de la précipitation de l'alcool par les polysaccharides de réglisse, a comparé l'applicabilité des deux méthodes d'analyse dans la conception orthogonale, déterminé le processus optimal de précipitation de l'alcool, puis utilisé la modélisation du réseau neuronal BP pour l'optimisation de la simulation afin de rechercher les paramètres optimaux du processus de précipitation de l'alcool pour les polysaccharides de réglisse, afin de sélectionner un processus de précipitation de l'alcool stable et réalisable pour la préparation des polysaccharides de réglisse, et de fournir une base scientifique pour son développement ultérieur, son utilisation et le contrôle complet de sa qualité.

 

Les effets pharmacologiques de la médecine traditionnelle chinoise sont le résultat de l'action coordonnée de plusieurs composants, et les sucres totaux mélangés contenus dans les extraits de médecine traditionnelle chinoise agissent ensemble pour que les polysaccharides exercent mieux leurs effets pharmacologiques. L'industrie estime que "plus les polysaccharides sont purs, plus leur activité est faible". La littérature antérieure sur le processus d'extraction et de précipitation dans l'alcool des polysaccharides de la réglisse a principalement évalué la quantité d'extraction et la teneur en polysaccharides (ou le rendement) en tant qu'indicateurs, et les résultats de l'optimisation sont difficiles à refléter la nature inhérente complexe des polysaccharides. Les recherches existantes utilisent principalement la poudre de réglisse comme matière première d'extraction, et les polysaccharides bruts obtenus à un stade ultérieur doivent être purifiés par la méthode Savage, l'éther, l'acétone, le méthanol et d'autres méthodes de réactifs chimiques. Les réactifs utilisés dans le processus de purification sont relativement nocifs pour le corps humain. Le traitement de broyage précoce, les processus de dégraissage à l'éthanol ou à l'éther non seulement augmentent les coûts et le temps de production, mais mettent également gravement en danger la santé physique et mentale des opérateurs. En outre, les réactifs chimiques utilisés pour l'élimination des impuretés et le dégraissage sont pour la plupart interdits dans la production de préparations de médecine traditionnelle chinoise. Par conséquent, afin d'optimiser le processus de précipitation alcoolique des polysaccharides de réglisse, cette étude prend les morceaux de décoction de réglisse comme objet de recherche. Sur la base d'expériences à facteur unique, les principaux facteurs tels que le rapport de concentration, le temps de précipitation de l'alcool et la fraction de volume d'éthanol sont sélectionnés, et les polysaccharides de réglisse, les sucres totaux, la teneur en monosaccharides et la quantité d'extraction sont utilisés comme indicateurs d'évaluation. La méthode améliorée du poids entropique combinée à la méthode du modèle TOPSIS est utilisée pour traiter les données expérimentales orthogonales, et la simulation de modélisation BPNN est utilisée pour l'optimisation du processus. En comparant les résultats de l'utilisation de la méthode du poids entropique amélioré seule et de la méthode TOPSIS combinée au poids entropique amélioré, il a été constaté que la méthode TOPSIS du poids entropique amélioré peut utiliser pleinement les informations des données originales, évaluer complètement les résultats expérimentaux orthogonaux pour obtenir la combinaison optimale des paramètres, éviter efficacement les facteurs subjectifs dans le processus d'optimisation, améliorer la précision et la scientificité de la prise de décision, et rendre les résultats plus fiables. Enfin, le processus optimal de précipitation à l'alcool pour les polysaccharides de réglisse a été déterminé pour concentrer la solution d'extraction à 2,5mL/g, ajuster la fraction de volume d'éthanol à 70%, et précipiter pendant 20 heures.
Sur la base d'expériences orthogonales, un modèle de réseau neuronal BP a été construit à l'aide du logiciel Matlab 12.0. L'apprentissage et l'entraînement des données d'expériences orthogonales ont permis d'obtenir un modèle de réseau doté d'une bonne précision, d'une bonne stabilité et d'une bonne fiabilité. En utilisant l'optimisation par simulation de la fonction sim, le processus optimal a été obtenu comme suit : concentrer la solution d'extraction à 2,0 ml/g, ajuster la fraction de volume d'éthanol à 67%, et précipiter avec de l'alcool pendant 24 heures. Après validation du processus, il a été constaté que le score global du résultat de l'optimisation de la modélisation BPNN était légèrement inférieur à celui de la méthode de notation globale et de la méthode TOPSIS à poids entropique amélioré, mais que sa valeur RSD était faible. Le réseau neuronal BPN a une forte capacité d'auto-apprentissage et le processus résultant est plus stable. Par conséquent, le résultat de l'optimisation de la modélisation BPNN a été déterminé comme étant le processus optimal pour la précipitation de l'alcool de polysaccharide de réglisse.

Cette expérience a permis de déterminer le niveau des facteurs affectant la précipitation de l'alcool dans les polysaccharides de réglisse par le biais d'une étude à facteur unique, d'organiser l'expérience à l'aide d'un plan orthogonal et de traiter les données expérimentales à l'aide d'une méthode de poids entropique améliorée afin de surmonter les lacunes des méthodes de poids entropique traditionnelles, où de légers changements dans le poids entropique d'un certain indicateur entraînent des changements correspondants de doublement du poids. Plusieurs indicateurs ont été sélectionnés pour une évaluation complète afin d'optimiser le processus de précipitation de l'alcool des polysaccharides de réglisse. En comparant les résultats de la méthode de notation globale et de la méthode TOPSIS à poids entropique amélioré, l'importance des facteurs affectant la précipitation alcoolique des polysaccharides de réglisse a été déterminée. L'apprentissage orthogonal des paramètres a été formé à l'aide d'un réseau neuronal B pour l'optimisation de la simulation. Les problèmes non linéaires ont été modélisés et optimisés sans augmenter le nombre d'expériences, ce qui a permis de combler les lacunes des expériences d'optimisation précédentes. Les paramètres de processus obtenus étaient plus scientifiques et plus fiables, fournissant une base objective pour le développement, la recherche et la production à grande échelle de polysaccharides de réglisse, et apportant de nouvelles idées pour les questions d'optimisation de processus connexes.