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)

فهیم, هدا; معتمدزادگان, علی; فرهمندفر, رضا; غفاری خلیق, نادر

doi:10.22034/FSCT.20.136.38

جستجو در:

همه

صفحات وب

کتب

نشریات

مرکز نشر آثار علمی

مجله علوم و صنایع غذایی ایران

دوره 20، شماره 136 - ( 1402 ) جلد 20 شماره 136 صفحات 50-38 | برگشت به فهرست نسخه ها

‎ 10.22034/FSCT.20.136.38

‎ 20.1001.1.20088787.1402.20.136.4.2

Mendeley

Zotero

RefWorks

fahim H, Motamedzadegan A, Farahmandfara R, Ghaffari Khaligh N. Modeling the encapsulation efficiency and stability of curcumin in cellulose Pickering emulsions using artificial neural network (ANN) and classification and regression tree (CART) algorithms. FSCT 2023; 20 (136) :38-50
URL: http://fsct.modares.ac.ir/article-7-66166-fa.html

فهیم هدا، معتمدزادگان علی، فرهمندفر رضا، غفاری خلیق نادر. 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). مجله علوم و صنایع غذایی ایران. 1402; 20 (136) :38-50

URL: http://fsct.modares.ac.ir/article-7-66166-fa.html

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)

هدا فهیم¹

، علی معتمدزادگان

²، رضا فرهمندفر³

، نادر غفاری خلیق⁴

1- دانشجوی دکتری دانشگاه کشاورزی و منابع طبیعی ساری
2- استاد، گروه علوم و صنایع غذایی، دانشگاه کشاورزی و منابع طبیعی ساری، ایران ، amotgan@yahoo.com
3- دانشیار، گروه علوم و صنایع غذایی، دانشگاه کشاورزی و منابع طبیعی ساری، ایران
4- دانشیار، مرکز تحقیقات نانوتکنولوژی و کاتالیست، انستیتوی مطالعات تحصیلات تکمیلی، دانشگاه مالایا، کوالالامپور، مالزی

چکیده: (953 مشاهده)

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.

واژه‌های کلیدی: پیکرینگ امولسیون، درخت تصمیم، سلولز، شبکه عصبی مصنوعی، کورکومین

متن کامل [PDF 1187 kb] (680 دریافت)

نوع مقاله: پژوهشی اصیل | موضوع مقاله: ترکیبات زیست فعال
دریافت: 1401/9/26 | پذیرش: 1402/2/11 | انتشار: 1402/3/10

ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.