排序方式: 共有114条查询结果,搜索用时 0 毫秒
111.
112.
113.
传统工业广泛采用直接酸水解盾叶薯蓣根茎制备薯蓣皂苷元,该方法大量使用无机酸催化剂,废水排放量大,环境污染严重。因此,探寻清洁、高效的制备方法和工艺成为实现薯蓣皂苷元工业生产可持续发展的必然选择。故笔者综述并分析了近10年来酶水解、微生物转化及改进酸水解等方法在盾叶薯蓣制备薯蓣皂苷元中的研究进展及存在问题,并展望了其应用前景。酶水解反应条件温和,但薯蓣皂苷元产率低、经济成本高、活性酶纯化过程复杂。微生物特异性好,转化效率高、转化过程清洁环保,但转化周期长,代谢产物复杂。改进酸水解法中,双相酸水解工艺优势在于酸使用量减少,磺酸功能化离子液体催化优势在于可代替无机酸,循环性能良好,但二者均无法避免废液排放,固体酸催化剂无腐蚀性,易回收,但需使用乙醇作为反应溶剂具有一定安全隐患,且催化剂制备过程繁琐。综上所述,探索清洁高效的转化方法是盾叶薯蓣制备薯蓣皂苷元的重要发展趋势。对于酶水解法,应深入探寻生物转化过程中的关键糖苷水解酶,充分阐明酶解皂苷的转化路径及酶特异性,着力提高酶水解效率;对于微生物转化法,以选育高效转化菌株为基础,优化稳定的转化体系和转化过程,加快推动微生物转化的工业应用进程,深入探究生物转化机制,充分阐明特异性关键水解酶及其催化特性,着力提高生物转化效率;对于改进酸水解法,探索使用结构简单、性能稳定、可生物降解的新型酸催化体系,有效解决环境污染及生产安全问题。 相似文献
114.
目的 采用红外光谱技术结合机器学习算法建立牛膝Achyranthes bidentata炮制品类别与炮制程度的定性判别模型。方法 采集不同炮制品与不同炮制程度牛膝的中红外光谱(mid infrared spectroscopy,MIRS),运用BP神经网络(back propagation neural network,BPNN)、遗传算法优化BP神经网络(GA-BP)、随机森林(random forest,RF)、径向基神经网络(radial basis function network,RBFN)、卷积神经网络(convolutional neural networks,CNN)等机器学习算法建立牛膝炮制品类别与炮制程度的定性判别模型;采集不同炮制品与不同炮制程度牛膝的近红外光谱(near infrared spectroscopy,NIRS),使用TQ Analyst软件中的判别分析法建立牛膝炮制品类别与炮制程度的定性分析模型。结果 机器学习算法模型结果显示CNN判别模型较优秀,BPNN、RF及RBFN性能相近,GA-BP模型性能相对较差。3个NIRS定性模型结果显示验证集准确率均为100%,可准确预测炮制品类别与炮制程度。结论 通过红外光谱技术建立的定性分析模型可作为牛膝炮制品类别与炮制程度的鉴别手段。同时提供了快速、无损的检测手段及可靠的数据分析方法,为中药材炮制品类别与炮制程度精准识别提供新的方法参考。 相似文献