宋金军,陈冰,周静,陈伟燕,张宇燕

• 1:浙江省兰溪市人民医院
• 2:浙江中医药大学

摘要(Abstract)：

目的通过R语言与正交试验分析,优化黄芪中有效成分黄芪多糖的提取工艺。方法采用水提醇沉法,以黄芪多糖提取量为指标,采用四因素(乙醇浓度、提取时间、提取次数及液料比)三水平正交试验设计法分组提取。通过经典正交分析法、R语言结合BP神经网络及遗传算法进一步目标寻优法优化黄芪多糖提取工艺,将两种优化工艺进行对比验证,得到黄芪多糖的最佳提取工艺。结果正交分析法得到黄芪多糖的优化提取工艺为:乙醇浓度75%,提取2 h,提取次数3次,液料比40∶1,此条件下黄芪中黄芪多糖的平均提取量为14.03 mg/g。R语言得到的优化提取工艺为:乙醇浓度95%,提取3 h,提取1次,液料比20∶1,此条件下黄芪中黄芪多糖提取量为18.68 mg/g。最佳工艺验证得出,正交分析优化法RSD为2.27%,R语言处理优化法RSD为1.51%,与预测结果相对误差仅有0.631%。结论 R语言环境下,BP神经网络模型与遗传算法的结合对实验结果具有良好的预测性,为中药材提取及相关制剂工艺优化提供了一种经济高效的优化方法。

关键词(KeyWords)： 黄芪;黄芪多糖;工艺优化;R语言;BP神经网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(81473587);; 浙江省自然科学基金资助项目(LR16H270001);; 浙江省中医药科技计划项目(2017ZB024)

作者(Author): 宋金军,陈冰,周静,陈伟燕,张宇燕

参考文献(References)：

• [1]国家药典委员会.中华人民共和国药典(一部)[M].北京:中国中医药出版社,2015:302-303.
• [2]柏冬志,东方,唐文婷,等.黄芪多糖药理作用的研究进展[J].黑龙江医药,2014,27(1):103-106.
• [3]李红法,郭松波,满淑丽,等.乙醇分级沉淀提取黄芪多糖及其理化性质和抗氧化活性研究[J].中国中药杂志,2015,40(11):2112-2116.
• [4] Xue H,Gan F,Zhang Z,et al. Astragalus polysaccharides inhibits PCV2 replication by inhibiting oxidative stress and blocking NF-κB pathway[J]. International Journal of Biological Macromolecules,2015,81(7):22-23.
• [5] Wang QH,Qiang T,Jing JH,et al. Orthogonal test design for optimization of the isolation and purification of total favonoids from Artemisia frigida willd using macroporous resin chromatography[J]. African Journal of Pharmacy&Pharmacology,2016, 10(11):192-199.
• [6]郭会青,于俊美,田勤.黄芪粗多糖提取工艺的优化[J].食品研究与开发,2015,36(21):78-80.
• [7] Paradise E,Claude J,Strimmer K. APE:Analyses of Phylogenetics and Evolution in R language[J]. Bioinformatics,2004,20(2):289-290.
• [8] Gulo CASJ, Rúbio TRPM. Text mining scientific articles using the R language[C]. Doctoral Symposium in Informatics Engineering, DOI:10.13140/RG.2.1.3676.3363.
• [9] Kotthaus H,Korb I,Engel M, et al. Dynamic page sharing optimization for the R language[J]. Acm Sigplan Notices,2014,50(2):79-90.
• [10]虞立,张宇燕,杨洁红,等. R语言多目标优化养阴通脑颗粒组方中3种黄酮类指标成分提取工艺[J].中草药,2015,46(8):1156-1160.
• [11]陈茜茜,金伟锋,熊耀康,等. R语言优化温郁金油的羟丙基-β-环糊精包合工艺[J].中华中医药杂志,2016,31(4):1460-1463.
• [12] Xiao Z,Ye SJ,Zhong B,et al. BP neural network with rough set for short term load forecasting[J]. Expert Systems with Applications An International Journal,2009,36(1):273-279.
• [13] Jin W,Li ZJ,Wei LS,et al. The improvements of BP neural network learning algorithm[C]. Signal Processing Proceedings,2000. WCCC-ICSP 2000. 5th International Conference on. IEEE.
• [14]周苏娟,赵斌,孟江,等.基于BP神经网络和遗传算法优化茺蔚子水苏碱提取工艺的研究[J].广州中医药大学学报,2015,32(4):735-738.
• [15] Li JP,Balazs ME,Parks GT,et al. A species conserving genetic algorithm for multimodal function optimization[J]. Evolutionary Computation,2014,10(3):207-234.