مدل‌سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم‌های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART)

نویسندگان

1 استاد، گروه علوم و صنایع غذایی، دانشگاه کشاورزی و منابع طبیعی ساری، ایران

2 دانشیار، گروه علوم و صنایع غذایی، دانشگاه کشاورزی و منابع طبیعی ساری، ایران

3 دانشیار، مرکز تحقیقات نانوتکنولوژی و کاتالیست، انستیتوی مطالعات تحصیلات تکمیلی، دانشگاه مالایا، کوالالامپور، مالزی

4 دانشجوی دکتری دانشگاه کشاورزی و منابع طبیعی ساری

doi
10.22034/FSCT.20.136.38
چکیده

پایداری کورکومین و راندمان انکپسولاسیون آن در امولسیون از جمله مهمترین فاکتورهای تعیین کننده زیست‌دسترس‌پذیری و جذب آن در بدن است. به این منظور در پژوهش حاضر پارامترهای موثر بر این دو فاکتور شامل زمان، pH و غلظت سلولز به‌عنوان متغیرهای ورودی و پایداری کورکومین و راندمان انکپسولاسیون به‌عنوان متغیر پاسخ در شبکه عصبی مصنوعی و الگوریتم درخت تصمیم استفاده شد. در این راستا نانوکریستال سلولز حاصل از هیدرولیز اسیدی برای تهیه پیکرینگ امولسیون کورکومین با نسبت روغن:آب 95:5 و غلظت سلولز 1، 5/1، 2، 5/2، و 3 درصد وزنی/حجمی استفاده شد و راندمان انکپسولاسیون روغن حاوی کورکومین و پایداری آن در طول 8 روز اندازه‌گیری شد. نتایج نشان داد که با افزایش غلظت سلولز راندمان انکپسولاسیون به صورت معنی‌داری افزایش یافته و همچنین راندمان انکپسولاسیون در pH 7 بالاتر از pH 2 بود (05/0p≤). کورکومین موجود در امولسیون‌های تهیه شده در pH 2 در طول نگهداری به شدت کاهش یافت این درحالی بود که میزان کورکومین موجود در امولسیون‌های با pH 7 در طول 8 روز نگهداری به‌خوبی پایدار بود. مدل‌سازی برای دو پارامتر پایداری کورکومین و راندمان انکپسولاسیون با آماره‌های R2 و RMSE% به‌ترتیب نشان داد 1-6- 3 MLP (00/10RMSE%= و 99/0 R2=) و 1-6-2 RBF (99/9RMSE%= و 99/0 R2=) دارای دقت بالاتری است. در نهایت نتایج نشان داد استفاده از الگوریتم شبکه عصبی مصنوعی نسبت به درخت تصمیم برای پیشبینی این دو پارامتر عملکرد بهتری داشت.