Box-Behnken响应面法和反向传播神经网络优化丹参酮类提取物的渗漉工艺 |
| |
引用本文: | 吴双凤,张薇,徐科一,匡艳辉,赖娟娟,刘晓秋.Box-Behnken响应面法和反向传播神经网络优化丹参酮类提取物的渗漉工艺[J].中国药师,2022(11):1939-1944. |
| |
作者姓名: | 吴双凤 张薇 徐科一 匡艳辉 赖娟娟 刘晓秋 |
| |
作者单位: | 1. 广州白云山和记黄埔中药有限公司2. 沈阳药科大学中药学院3. 中国医学科学院药用植物研究所 |
| |
基金项目: | 广东省工业和信息化发展专项资金(智能制造试点示范)项目(编号:粤经信创新[2017]267号); |
| |
摘 要: | 摘要:目的:优化丹参酮类提取物的渗漉工艺。方法:以隐丹参酮、丹参酮Ⅰ和丹参酮ⅡA含量为指标,单因素考察乙醇浓度、渗漉速度、浸渍时间、溶剂用量和药材粒径对丹参酮类提取物渗漉工艺的影响,选取乙醇浓度、溶剂用量和药材粒径3个因素设计响应面试验,采用熵权法计算综合评分,运用Box-Behnken响应面法和反向传播(BP)神经网络对提取工艺进一步优化,并进行工艺验证。结果:Box-Behnken响应面法筛选的最优工艺参数为:最粗粉加8倍量95%乙醇渗漉;BP神经网络优选的最优工艺参数为:粗粉加7倍量95%乙醇渗漉。BP神经网络优化工艺实际综合评分平均值较响应面法实际综合评分平均值高。结论:丹参酮类提取物渗漉的最优工艺为:粗粉加7倍量95%乙醇渗漉,优选出的丹参酮类提取物渗漉工艺稳定可行,为丹参酮类提取物渗漉工艺提供了依据。
|
关 键 词: | 丹参酮类提取物 渗漉工艺 Box-Behnken响应面法 熵权法 反向传播神经网络 |
|
| 点击此处可从《中国药师》浏览原始摘要信息 |
| 点击此处可从《中国药师》下载免费的PDF全文 |