سنجش خواص آنتی اکسیدانی عصاره جلبک Sargassum glaucescens و بهینه سازی استخراج ترکیبات آنتی اکسیدانی آن با شبکه عصبی مصنوعی
Publish place: Journal of Marine Medicine، Vol: 3، Issue: 3
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 134
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMARMED-3-3_006
تاریخ نمایه سازی: 27 تیر 1402
Abstract:
زمینه و هدف: جلبک های دریایی منابع مناسبی از مواد فعال زیستی هستند. در مطالعه حاضر بهینه سازی عوامل موثر (زمان، دما و غلظت حلال) بر استخراج ترکیبات آنتی اکسیدانی عصاره جلبک قهوه ای سارگاسوم گلاسسنس سواحل چابهار با شبکه عصبی مصنوعی انجام شد.
روش ها: عصاره جلبک سارگاسوم با متانول در سه زمان (۱، ۳ و ۵ ساعت)، سه دما (۲۴، ۴۷ و ۷۰ درجه سانتی گراد) و سه غلظت (۶۰، ۸۰ و ۱۰۰ درصد) استخراج شد. روش مهار رادیکال آزاد برای سنجش خواص آنتی اکسیدانی آن استفاده گردید. میزان ترکیبات فنلی کل طبق روش استاندارد سنجش شد. از شبکه های عصبی مصنوعی (پرسپترون چند لایه با تابع فعالیت تانژانت هایپربولیک) با ۱ لایه پنهان و ۵ نورون برای بهینه سازی استخراج ترکیبات آنتی اکسیدانی عصاره جلبک سارگاسوم استفاده گردید.
یافته ها: میزان ترکیبات فنلی کل در عصاره جلبک سارگاسوم ۰/۵۶±۳/۲ بر حسب میلی گرم اسید گالیک بر گرم عصاره بود. شبکه عصبی مصنوعی خواص آنتی اکسیدانی جلبک سارگاسوم را با ضریب تعیین ۰/۹۴۳۹=R۲ و خطای جذر میانگین مربعات را ۱/۴۶۵۶۵۴ پیش بینی کرد. همبستگی مثبت و معنیداری میان خواص آنتی اکسیدانی مشاهده ای و پیش بینی شده ثبت گردید. شرایط بهینه استخراج ترکیبات آنتی اکسیدانی بر اساس روش شبکه عصبی مصنوعی در غلظت ۱۰۰ درصد، دمای ۷۰ درجه سانتی گراد و زمان ۵ ساعت بود.
نتیجه گیری: طبق یافته های مطالعه حاضر شبکه عصبی مصنوعی توانایی پیش بینی شرایط بهینه استخراج عصاره جلبک سارگاسوم برای تعیین خواص آنتی اکسیدانی را با استفاده از پرسپترون چند لایه با تانژانت هایپربولیک دارا می باشد. میزان زیاد ترکیبات فنلی کل در عصاره جلبک سارگاسوم ممکن است دلیل خواص آنتی اکسیدانی آن باشد.
Keywords:
Authors
افره نصرتی
CMU
علی طاهری
Department of Fisheries, Faculty of Marine Sciences, Chabahar Maritime University, Chabahar, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :