Extração assistida por ultrassom de ácidos fenólicos, flavonóis e flavan-3-óis de cascas e sementes de uva Muscadine usando solventes eutéticos profundos naturais e modelagem preditiva por rede neural artificial

Por favor entre em contatooscar.xiao@wecistanche.comPara maiores informações

AbstratoO objetivo deste estudo foi investigar a eficiência de extração de 9 solventes eutéticos profundos naturais (NDES) com auxílio de ultrassom paraácidos fenólicos, flavonóis, e flavan{0}}óis em cascas e sementes de uva muscadine (Carlos) em comparação com 75% de etanol. A rede neural artificial (ANN) foi aplicada para otimizar o conteúdo de água NDES, o tempo de ultra-som, a relação sólido-solvente e a temperatura de extração para obter os maiores rendimentos de extração para ácido elágico, catequina e epicatequina. Um NDES recém-formulado (#1) consiste em cloreto de colina:ácido levulínico: etilenoglicol 1:1:2 e 20 por cento de água extraiu a maior quantidade de ácido elágico na pele a 22,1 mg/g. Este rendimento foi 1.73-vez daquele por 75 por cento de etanol. Um NDES modificado (#3) consistindo em cloreto de colina: prolina: ácido málico 1:1:1 e 30 por cento de água extraiu a maior quantidade de catequina (0,61 mg/g) e epicatequina (0,89 mg/g) na pele e 2,77 mg/g e 0,37 mg/g na semente, respectivamente. O rendimento ideal de ácido elágico na pele usando NDES #1 foi de 25,3 mg/g (observado) e 25,3 mg/g (previsto). O rendimento ideal de (catequina mais epicatequina) em sementes usando NDES #3 foi de 9,8 mg/g (observado) e 9,6 mg/g (previsto). Este estudo mostrou a alta eficiência de extração de NDES selecionados para polifenóis em condições otimizadas.

Por favor clique aqui para saber mais

Introdução

Solventes eutéticos profundos naturais (NDES) são preparados misturando doadores de ligações de hidrogênio com aceptores de ligações de hidrogênio em uma razão molar apropriada [1]. O ponto de fusão de um componente deve ser menor que o ponto de fusão do outro [1]. Após aquecimento e mistura, este meio torna-se um líquido à temperatura ambiente. A água é adicionada para estabilizar e polarizar a mistura. A pesquisa na área de extração de fitoquímicos usando NDES tem se expandido devido à sua capacidade de extração e solubilidade eficazes. No entanto, vários fatores desempenham um papel significativo ao comparar NDES a solventes orgânicos, incluindo rendimento, custo, recuperação e toxicidade. Pesquisas anteriores investigaram o NDES na extração de diferentes polifenóis de várias matrizes alimentares. Por exemplo, Bubalo et al. (2016) compararam 5 NDES, água, 70% de metanol (v/v) e 70% de metanol acidificado (v/v) para extrair antocianinas, catequina e quercetina-3-O-glicosídeo de cascas de uvas vermelhas. Um NDES consistindo de cloreto de colina: ácido oxálico (1:1) com 25 por cento de água (v/v) foi considerado o solvente de extração mais eficiente [2]. Em outro estudo, Pani´c et al. (2019) testaram 8 NDES e acidificaram 70% do etanol e observaram cloreto de colina: ácido cítrico (2:1) com 30% de água (v/v) como o melhor NDES para extrair antocianinas do bagaço de uva [3]. As uvas Muscadine (Vitis rotundifolia) são nativas dos estados do sudeste e a primeira uva selvagem cultivada nos Estados Unidos [4]. As uvas Muscadine são produzidas em 12 estados e totalizam cerca de 5.000 acres [5]. Existem 100 variedades de uva muscadine e cada uma varia em características físicas, sensoriais ou químicas [4]. Entre eles, Carlos é uma uva muscadine amplamente plantada devido à sua alta produtividade e consistência de crescimento [4]. A uva Carlos muscadine é de tamanho médio, cor bronze, casca mais grossa e contém em média quatro sementes [6]. As uvas Muscadine contêm quantidades significativas depolifenóisque são conhecidos por reduzir a inflamação [7], inibir o crescimento do tumor da próstata [8] e melhorar as respostas metabólicas dos diabéticos [9]. O bagaço de uva muscadine, um subproduto do suco de uva muscadine ou vinificação, consiste em peles e sementes. Um estudo de pesquisa anterior usou acetona: água: mistura de ácido acético (70:29,7:0,3, v/v) para extrair compostos fenólicos das sementes, casca e polpa de oito cultivares de uva muscadine cultivada na Flórida, incluindo Carlos [10]. No entanto, o uso de solventes orgânicos inflamáveis ​​e sua baixa eficiência de extração dificultaram as aplicações práticas. A maior parte do bagaço de uva muscadine ainda é descartada como resíduo. A rede neural artificial (RNA) é um sistema de mapeamento não linear composto por várias unidades básicas de processamento conectadas por associações ponderadas. Essas unidades de processamento são chamadas de "neurônios" [11]. A rede neural artificial é uma abordagem de aprendizado de máquina para prever ou prever uma resposta com base em várias entradas [11]. Pesquisas anteriores aplicaram métodos de superfície de resposta (RSM) para otimização e previsão de extração. No entanto, poucos estudos utilizaram RNA para o mesmo propósito. Por exemplo, Sinha et al. (2013) sugeriram que ANN tem melhor desempenho de previsão do que RSM na extração de corante natural de sementes de Bixa Orellana (Annatto) [12]. Em estudo semelhante, Ciric et al. (2020) relataram que o modelo ANN foi melhor que o RSM para prever extrações de compostos fenólicos do alho [13]. O objetivo desta pesquisa foi investigar a eficiência de extração de 9 NDES para ácidos fenólicos, flavonóis e flavan{17}}óis em comparação com etanol 75% com auxílio de ultrassom. A RNA foi aplicada para prever e otimizar as condições de extração no rendimento fenólico. A hipótese era que NDES com composições específicas extrai maiores quantidades de ácidos fenólicos, flavonóis e flavan{19}}óis do que 75% de etanol, e a maior eficiência de extração pode ser alcançada por modelagem preditiva baseada em ANN.

2. Materiais e Métodos 2.1. Produtos químicos e reagentes Cloreto de colina, ácido levulínico, 1,2-propanodiol, ácido DL-málico, ácido oxálico, ácido clorídrico e ácido fórmico foram obtidos da Acros Organics (Morris Plains, NJ, EUA). Ácido láctico, etilenoglicol, glicina, acetonitrilo grau HPLC, metanol e etanol foram adquiridos da Fishers Scientific (Waltham, Massachusetts, EUA). A L-prolina e o cloridrato de betaína foram adquiridos da Alfa Aesar (Ward Hill, MA, EUA). Padrões de grau HPLC de ácido elágico, ácido gálico, ácido ferúlico, (mais)-catequina, (−)-epicatequina, miricetina, quercetina e kaempferol foram adquiridos da Sigma Aldrich (St. Louis, MO, EUA).

2.2. Projeto de NDESNDES #1–2 na Tabela 1 foram projetados em nosso estudo anterior [14]. Cloreto de colina em NDES #1-2 foi selecionado como um aceptor de hidrogênio, enquanto dois doadores de hidrogênio diferentes foram selecionados para cada novo NDES. As razões molares entre doadores e aceitadores de hidrogênio e teor de água foram determinados em experimentos preliminares. Os NDES #3–9 na Tabela 1 foram selecionados da literatura, pois estudos anteriores os apontaram como NDES eficazes na extração de polifenóis. O teor de água no NDES #3 foi modificado da literatura citada. Um método de aquecimento foi aplicado para preparar o NDES [15]. Resumidamente, o aceptor de ligação de hidrogênio foi misturado com cada um dos componentes doadores de ligação de hidrogênio em frascos de Erlenmeyer com uma barra de agitação. A mistura no frasco foi fechada e aquecida a 50 ◦C por cerca de 30 min ou até formar um líquido claro e permanecer estável à temperatura ambiente. Os teores de água na Tabela 1 foram calculados de acordo com o volume final das misturas de NDES. O pH do NDES listado na Tabela 1 foi medido usando um medidor de pH (AB15, Accumet, Fisher Scientific, Waltham, MA, EUA). 2.3. Preparação da amostra / Extração assistida por ultrassom Peles e sementes congeladas de uva muscadine (Vitis rotundifolia) (cultivar: Carlos) foram fornecidas por Paulk Vineyards (Wray, Geórgia, EUA). Após a remoção das cascas, folhas ou pecíolos, o bagaço foi separado em sementes e casca. As amostras foram então secas em estufa a vácuo (Isotemp, Modelo 285A, Fisher Scientific, Waltham, Massachusetts, EUA) a 60 ◦C e pressão de vácuo inferior a − 30 in.Hg. Em seguida, as amostras foram homogeneizadas em um pó fino usando um moedor quimérico (A1{{105}}00, RRH Inc., 2800 W, Zhejiang, China). Usando uma proporção inicial de sólido para solvente de 1:20 (g: mL), 0,50 g de casca ou semente de uva muscadine foi misturado em 10 mL de NDES ou 75 por cento de etanol em triplicado. As amostras foram então colocadas em banho-maria (60 ◦C) e sonicadas (VCX 1500, Sonics & Materials Inc., 1500-Watt, 50/60 Hz, Newtown, CT, EUA) por 30 min a 100 por cento amplitude por dois rounds (15 min/round). Em seguida, as amostras foram imediatamente centrifugadas (Sorvall ST 8, Fisher Scientific, Suzhou, China) a 3.260 g até obter um sobrenadante límpido. Por fim, os sobrenadantes foram coletados e armazenados em um freezer - 20 ◦C para análise por HPLC de ácidos fenólicos (ácido elágico, ácido gálico, ácido ferúlico), flavonóis (miricetina, quercetina e kaempferol) e flavan-3-óis (catequina e epicatequina). 2.4. Análises de HPLC de ácidos fenólicos, flavonóis e flavan-3-ols Ácidos fenólicos, flavonols e flavan-3-ols foram analisados ​​em um sistema de HPLC (Agilent Technologies 1200, Waldbronn, Germany) de acordo com o método descrito em Sandhu e Gu (2013) [16]. O sistema HPLC consiste em uma bomba binária, um amostrador automático, um compartimento de coluna termostatizado, um detector de arranjo de diodos e um detector de fluorescência. Extratos de casca ou semente de uva foram hidrolisados ​​antes das análises de ácidos fenólicos e flavonóis. A hidrólise foi realizada misturando 1 ml do extrato com 4 ml de solução de hidrólise (1,2 M HCI contendo 50 por cento de metanol) e colocado em banho-maria (Precision, Modelo 2837, 400 W, 50/60 Hz, Thermo Scientific, Marietta , OH, EUA) a 90 ◦C por 80 min. Em seguida, as amostras foram resfriadas a 25 ◦C seguidas de sonicação por 5 min. A hidrólise do extrato não foi necessária para a análise de catequina e epicatequina. Os extratos hidrolisados ​​e não hidrolisados ​​foram filtrados através de uma membrana de politetrafluoretileno (PTFE) de 0,45 μm antes das análises de HPLC. Para analisar ácido elágico, ácido gálico, ácido ferúlico, miricetina, quercetina, kaempferol, catequina e epicatequina, 10 µL foram injetados em uma coluna SB-C18 (4,6 × 250 mm, 5 µm, Zorbax, Agilent, Santa Clara, CA, EUA). As fases móveis foram (A) 0,5 por cento de ácido fórmico e (B) 100 por cento de acetonitrila. A taxa de fluxo foi de 1 mL/min com gradiente modificado de 25 min da seguinte forma: 0–5 min, 10–30 por cento B; 5–10 min, 30–40 por cento B; 10–20 min, 40–50 por cento B; 20–25 min, 50–10 por cento B; seguido por 5 min de equilíbrio. A temperatura da coluna foi fixada em 30 ◦C. O comprimento de onda de detecção foi de 260 nm para ácido elágico, ácido gálico e ácido ferúlico e 360 ​​nm para miricetina, quercetina e kaempferol em um detector de matriz de fotodiodos. A excitação e emissão para catequina e epicatequina foram 230 nm, 321 nm, respectivamente, usando um detector de fluorescência. Os compostos polifenólicos foram quantificados usando curvas padrão de ácido elágico, ácido gálico, ácido ferúlico, miricetina, quercetina, kaempferol, catequina e epicatequina. Todas as curvas padrão tiveram 7 pontos e R2 > 0,99. 2.5. Design personalizado para rede neural artificial Quatro variáveis ​​de extração independentes com quatro níveis: teor de água (15–60 por cento), tempo de ultra-som (5–35 min), proporção sólido-solvente (1:5–1:20) e extração temperatura (30–60 ◦C) (Tabela S1) foram aplicados para otimizar o rendimento de extração de ácidos fenólicos, flavonóis e flavan{122}}óis. Ao contrário dos designs clássicos, como o design de superfície de resposta, o design baseado em ANN não requer execuções repetidas e prefere uma estrutura de dados diferente. Em nosso estudo anterior [14], ANN foi um método mais confiável para prever o rendimento de extração do que RSM. Portanto, a RNA foi selecionada neste estudo para prever o rendimento de extração de ácido elágico, catequina e epicatequina. Um projeto personalizado com 40 execuções (Tabela S2) foi gerado no JMP Pro (Versão 14.2, SAS Institute Inc., Cary, NC, EUA) para fornecer dados específicos para modelagem preditiva de RNA. A randomização das 40 corridas foi aplicada para eliminar qualquer viés. A equação principal da RNA é mostrada a seguir: o=∑jj=1 wh jpg mais bhk, k=1toK (1) onde h é o número de neurônios na camada oculta, j e k são o número de variáveis ​​de entrada e neurônios ocultos, respectivamente, p é a variável de entrada, bh é o viés da camada oculta e wh é o peso na camada oculta. Os rendimentos de extração de ácido elágico, catequina e epicatequina em relação às quatro variáveis ​​independentes foram analisados ​​usando RNA treinando os dados primeiro e depois escolhendo o melhor tipo de ativação e um número de neurônios que resulta em um ajuste adequado dos dados. Para avaliar o sucesso dos modelos de previsão, três valores foram avaliados: R-quadrado, a raiz quadrada do erro de previsão quadrático médio (RASE) (equação (2)) e o erro absoluto médio (AAE). RASE é RASE=̅̅̅̅̅̅̅̅̅̅̅̅̅ SSE/n √ (2) Onde SSE doa para quadrado e soma os erros de previsão (diferenças entre as respostas reais e as respostas previstas) e n para um número de observações. R-quadrado próximo a 1 com RASE e AAE próximo a zero significa um maior ajuste dos dados no modelo. 2.6. Os rendimentos de extração estatística de ácidos fenólicos, flavonóis e flavan{142}}óis foram comparados com ANOVA unidirecional seguido pelo teste t de Student em p menor ou igual a 0,05 usando JMP Pro (versão 14.2, SAS Institute Inc., Cary, NC, EUA). Cada nde e etanol a 75 por cento foram comparados usando os testes de Dunnett em p menor ou igual a 0,05. A análise de componentes principais (PCA) foi realizada no JMP Pro (Versão 14.2, SAS Institute Inc., Cary, NC, EUA) para os compostos fenólicos extraídos da casca e da semente da uva muscadine. 3. Resultados e Discussão 3.1. Polifenóis extraídos por NDES de cascas de uva muscadine Nove NDES e 75 por cento de etanol foram utilizados para a extração de polifenóis das cascas de uva muscadine. A Tabela 2 mostra o rendimento de extração de ácido elágico, ácido gálico, ácido ferúlico, miricetina, quercetina, kaempferol, catequina e epicatequina. O ácido elágico foi o polifenol extraível mais abundante na casca da uva, seguido pelo ácido gálico e ácido ferúlico, respectivamente. Este achado foi consistente com estudos anteriores [17,18]. NDES #1, #8, #7, #3, #2 e #9 extraíram quantidades significativamente maiores de ácido elágico na casca da uva do que 75% de etanol. O maior rendimento de extração de ácido elágico foi alcançado pelo NDES #1 seguido pelo NDES #8 a 22,1 ± 2,2 mg/ge 21,3 ± 2,5 mg/g, respectivamente (Tabela 2). No entanto, não houve diferença significativa entre ENDE #1 e ENDE #8 de acordo com o teste t de Student. Curiosamente, o NDES #1 foi considerado o NDES menos eficaz para extrair antocianinas de

bagaço de cranberry [14]. Isso sugeriu que o NDES #1 pode extrair seletivamente ácido elágico ou elagitaninos da matriz alimentar que também contém antocianidinas. Tal seletividade pode ser atribuída a diferenças nas interações moleculares entre o NDES e classes fenólicas específicas. A Figura S1 (painel A) mostra o cromatograma de HPLC de ácido gálico, ácido elágico e ácido ferúlico extraído da casca da uva por NDES #1 e detectado a 260 nm. O etanol a 75 por cento extraiu 12,7 ± 1,2 mg de ácido elágico por grama de casca de uva. O menor rendimento de extração de ácido elágico foi observado em NDES #4 em 7,44 ± 0,6 mg/g. O rendimento de extração de ácido gálico por NDES #9, #8, #1, #4, #7 e #3 foi comparável e significativamente superior a 75% de etanol. A maior quantidade de ácido gálico foi extraída por NDES #9 em 10,4 ± 0,5 mg/g, enquanto a menor quantidade de 5,55 ± {{40}} 0,1 mg/g foi extraído por NDES #5. A maior quantidade de ácido ferúlico foi extraída por NDES #1 a 6,32 ± 0,7 mg/ge a menor quantidade foi extraída por NDES #5 a 3,11 ± 0.{{5{{52) }}}} mg/g. Além disso, não houve diferença significativa entre o NDES #1 e o etanol a 75% na extração do ácido ferúlico (Tabela 2). A maior quantidade de catequina e epicatequina foi extraída pelo NDES #3 em 0,61 ± 0,1 mg/ge 0,89 ± 0,1 mg/ g, respectivamente (Tabela 2). Enquanto isso, NDES #3 e #6 extraíram quantidades significativamente maiores de epicatequina do que 75% de etanol. A Figura S2 (painel A) mostra o cromatograma de HPLC de catequina e epicatequina extraída por NDES #3 da casca da uva. No entanto, a catequina não foi detectada no extrato de etanol a 75%. As menores quantidades de catequina (0.02 mg/g) e epicatequina ({{90}},14 mg/g) foram extraídas por NDES #2 e NDES # 5, respectivamente. A miricetina foi o flavonol mais abundante e o kaempferol o menos. O teste de Dunnett revelou que EQMs e 75% de etanol eram comparáveis ​​na extração de miricetina, quercetina e kaempferol (Tabela 2). A maior quantidade de miricetina foi extraída por NDES #1 (1,84 mg/g), seguido por 75 por cento de etanol (1,73 mg/g), e então NDES #8 (1,67 mg/g). A maior quantidade de quercetina foi extraída por 75 por cento de etanol (0,41 mg/g), NDES #1 (0,40 mg/g) e NDES #8 ({ {143}},38 mg/g). Em contraste, as menores quantidades de miricetina e quercetina foram extraídas pelo NDES #5 em 0,87 mg/ge 0,27 mg/g, respectivamente. Esta descoberta enfatiza ainda mais uma fraca capacidade geral do NDES #5 para extrair polifenóis da casca da uva. A maior quantidade de kaempferol foi extraída por 75% de etanol (0.05 mg/g), e a menor foi extraída por NDES #5 e NDES#6 (0,03 mg/g). A Figura S1 (painel B) mostra o cromatograma de HPLC de miricetina, quercetina e kaempferol extraídos da casca da uva por NDES #1 detectado em 360 nm. A maior soma de ácidos fenólicos, flavonóis e flavan{103}}ols foi de 40,7 mg/g extraído com NDES #1 seguido de 39,8 mg/g extraído com NDES #8, enquanto a soma mais baixa foi de 18,4 mg/g extraído por NDES #5 (Tabela 2). O pH do NDES variou entre 0,3 e 3,3 (Tabela 1). A correlação Rsquared entre o pH de NDEs e rendimentos de ácidos fenólicos, flavonóis e flavan{119}}ols foram listados na Tabela 2. A falta de correlação entre pH e rendimentos de extração sugeridos que o pH não afetou a eficiência de extração. 3.2. Polifenóis extraídos por NDES de sementes de uva muscadine Os rendimentos gerais de extração de ácidos fenólicos, flavonóis e flavan{123}}óis de sementes de uva foram visivelmente menores do que os de cascas (Tabela 3). Os polifenóis extraíveis mais abundantes nas sementes foram catequina e epicatequina, enquanto o kaempferol não foi detectado. A complexa matriz de sementes contendo óleo (13 por cento, p/p base seca) é uma possível explicação para a baixa capacidade de extração de compostos fenólicos das sementes de uva [19]. A maior quantidade de catequina foi extraída por NDES #3 a 2,77 mg/g (Tabela 3). Este rendimento foi significativamente maior do que todos os outros NDES e 75 por cento de etanol. A Figura S2 (painel B) mostra o cromatograma de HPLC de catequina e epicatequina extraída por NDES #3 de sementes de uva. A menor quantidade de catequina foi extraída por NDES #5 a 0,30 mg/g. Todos os NDES, exceto NDES #1, #2 e #9 extraíram quantidades significativamente maiores de epicatequina do que 75% de etanol (Tabela 3). As maiores concentrações de epicatequina foram extraídas por NDES #4 (0,71 mg/g) e NDES #5 (0,68 mg/g), enquanto a menor foi extraída por 75% de etanol (0,11 mg/g). O ácido gálico foi o ácido fenólico extraível mais abundante nas sementes de uva, seguido pelo ácido ferúlico e ácido elágico, respectivamente. A maior quantidade de ácido gálico foi extraída pelo NDES #4 a 0,45 mg/g, seguido pelo NDES #9 e NDES #8. Essas EQMs extraíram quantidades significativamente maiores de ácido gálico do que 75% de etanol. A menor quantidade de ácido gálico (0,2 mg/g) foi extraída por NDES #3. A maior extração

o rendimento de ácido elágico foi obtido por NDES #9 (0.26 mg/g) seguido por NDES #6 (0.17 mg/g), que foi significativamente maior que 75 por cento de etanol. Da mesma forma, as EQMs nº 3 extraíram a menor quantidade de ácido elágico em 0.05 mg/g. Além disso, NDES #6, #7 e #3 extraíram quantidades significativamente maiores de ácido ferúlico do que 75% de etanol. O menor rendimento de extração de ácido ferúlico foi de 0,5 mg/g por NDES #5. Além disso, o ácido ferúlico não foi detectado no extrato NDES #9. Isso ocorreu provavelmente porque a solubilidade do ácido ferúlico foi menor na EQM #9 do que em outras EQMs. O extrato de miricetina mais alto foi obtido por 75% de etanol e NDES #7 em 0,18 mg/g, que foram maiores do que todos os NDEs. O maior rendimento de extração de quercetina foi por NDES #6 (0,14 mg/g) e NDES #3 (0,13 mg/g) e ambos NDES foram melhores que 75% de etanol. Da mesma forma, o pH de NDES não influenciou o rendimento de extração conforme indicado pela baixa correlação (R-quadrado) entre o pH de NDEs e rendimentos de ácidos fenólicos, flavonóis e flavan{31}}óis listados na Tabela 3. 3.3 . A análise de componentes principais (PCA) foi realizada para associar o rendimento de extração de vários compostos fenólicos na casca e sementes de uva com NDEs e 75 por cento de etanol (Fig. 1). A PCA foi realizada em uma matriz de correlação para detectar uma possível seletividade de algumas EQMs para a extração de compostos ou grupos fenólicos específicos. Cerca de 85 por cento da variância dos dados da pele foi explicada pelos componentes principais 1 e 2. O gráfico de carregamento (Fig. 1B) mostra uma alta correlação entre ácidos fenólicos (ácido elágico, ácido gálico, ácido ferúlico) e flavonóis (miricetina, quercetina, e canferol). Para extrair esses grupos, os melhores solventes são NDES #1, #8, #7 e etanol a 75%, conforme mostrado no gráfico de pontuação (Fig. 1A). Enquanto isso, a catequina e a epicatequina pareciam segregadas do resto dos grupos fenólicos. Conforme mostrado na Fig. 1A, NDES #3 foi seletivo para extrair catequina e epicatequina de cascas de uva. Esta foi uma observação interessante porque o NDES#3 estava entre os NDES menos eficazes para extrair proantocianidinas, que são oligômeros e polímeros de catequina e epicatequina [14]. Isso sugeriu que o NDES #3 pode ser seletivo para proantocianidinas de tamanhos moleculares menores. A aglomeração de compostos fenólicos na parcela de carga da casca (Fig. 1B) foi diferente da semente (Fig. 1D), independentemente dos baixos rendimentos desses compostos nas sementes de uva. O primeiro e o segundo componentes principais explicaram cerca de 73% da variação dos dados de sementes. A quercetina, miricetina e ácido ferúlico foram extraídos de forma mais eficiente por NDES # 6, # 7 e etanol a 75 por cento, conforme mostrado no gráfico de pontuação (Fig. 1C). O ácido elágico e o ácido gálico foram extraídos de forma mais eficaz pelo NDES #9. Mais uma vez, a catequina foi extraída com a maior eficiência pelo NDES #3, semelhante ao observado com as cascas de uva. A epicatequina foi extraída com maior eficiência por NDES #5, #4 e NDES #8.

3.4. Otimização da extração de ácidos fenólicos e flavonóis de cascas de uva muscadine e modelagem de previsão de RNA Cloreto de colina: ácido levulínico: etilenoglicol 1:1:2 (NDES #1) apresentou o maior rendimento de extração para ácido elágico e, portanto, foi escolhido para otimização e predição. Impactos de quatro fatores, incluindo teor de água, tempo de ultra-som, relação sólido-solvente e temperatura de extração foram avaliados para a extração de ácidos fenólicos e flavonóis. Além disso, quatro níveis para cada fator de extração foram aplicados em um total de 4{121}} execuções aleatórias. O rendimento de extração experimental de ácido elágico, ácido gálico, ácido ferúlico, miricetina e quercetina, juntamente com a soma desses cinco, são mostrados na Tabela 4. No geral, a faixa de diferença de rendimento de extração entre o menor e o maior foi relativamente grande para ácidos fenólicos. Por exemplo, o rendimento mais baixo para ácido elágico foi de 9.03 mg/g (ensaio nº 17) e o maior foi de 25,3 mg/g (ensaio nº 15), o que resultou em uma diferença de 16,2 mg/g (execução nº 17). Além disso, a menor soma de rendimento foi de 2{125}},7 mg/g, e a maior foi de 71,5 mg/g. Isso ilustra os impactos significativos dos diferentes níveis de cada fator de extração no rendimento da extração. A corrida nº 15 extraiu a maior quantidade de ácido elágico. A condição de extração da execução nº 15 foi de 45 mL /10{{130}} mL de conteúdo de água, 25 min de ultra-som, proporção sólido-solvente de 1:10 (g: mL) , e temperatura de extração de 60 ◦C. A Figura S3 mostra o cromatograma de HPLC de ácidos fenólicos otimizados extraídos da casca da uva por NDES #1 (ensaio #15 na Tabela 4). O ácido gálico mais alto (18,7 mg/g) foi alcançado usando as condições de extração na corrida #24 e o mais baixo foi 6,63 mg/g usando a corrida #40. Para o ácido ferúlico, o ensaio #22 extraiu a maior quantidade a 19,2 mg/g, enquanto que nenhum ácido ferúlico foi detectado nos ensaios #14, #17, #29 e #34. A execução #22 foi extraída com 60 mL/100 mL de conteúdo de água, 5 min de ultra-som, 1:5 para relação sólido-solvente e temperatura de extração de 60 ◦C. A execução #2 extraiu a maior miricetina (10,1 mg/g) e quercetina (1,87 mg/g). As condições de extração da execução nº 2 foram 60 mL/100 mL de conteúdo de água, 35 min de ultra-som, 1:20 para relação sólido-solvente e temperatura de extração de 60 ◦C. O meu rendimento certo mais baixo (3,79 mg/g) foi extraído pela execução # 40. Os gráficos de contorno na Fig. 2 demonstram o efeito dos parâmetros de extração (X1, X2, X3 e X4) no rendimento previsto de ácido elágico extraído por NDES #1 da casca da uva. Os rendimentos previstos de ácido elágico na Tabela 4 foram utilizados para construir esses gráficos de contagem. Cada painel ilustra o impacto de 2 parâmetros de extração. As linhas de contorno são marcadas com o rendimento de ácido elágico (mg/g). O teor de água ideal previsto foi de cerca de 35–45 mL/100 mL de NDES, conforme mostrado na Fig. 2B e 2C. Maior tempo de ultra-som aumentou o rendimento de ácido elágico (Fig. 2D e 2E), indicando um papel crítico de sonicação na extração de NDES. Durante a extração, a mistura de cascas ou sementes de uva com NDES introduziu partículas e gás, que adicionaram locais de cavitação acústica para ultrassons para gerar inúmeras pequenas bolhas no NDES. A implosão dessas bolhas levou a temperaturas extremas, diferencial de pressão, alta força de cisalhamento, macroturbulências e micro-mistura, o que efetivamente agitou o NDES para acelerar a difusão e a transferência de massa. Quando as bolhas de cavitação implodiram na superfície das partículas da semente de uva ou da pele, os microjatos resultantes e as colisões entre partículas levaram à descamação da superfície, erosão, quebra de partículas, sonoporação e ruptura celular [20]. Todos esses efeitos mecânicos da cavitação induzida por ultrassom intensificaram a penetração de NDEs no interior da célula, de modo que os fenólicos intercelulares da matriz alimentar foram transferidos para os solventes. A proporção ideal de sólido para solvente foi de 1:10, conforme indicado pela Fig. 2B, 2D e 2F. Por último, temperaturas de extração mais altas até 60 ◦C parecem ter um efeito positivo na extrabilidade do ácido elágico, como mostrado na Fig. 2C, 2E e 2F. Isso sugere uma relação direta entre a temperatura de extração e o rendimento de ácido elágico extraído da casca da uva. Os rendimentos de extração de ácido elágico (Tabela 4) foram analisados ​​para modelagem de previsão usando redes neurais artificiais. Os dados experimentais foram divididos aleatoriamente em um conjunto de treinamento e um conjunto de validação. A razão para incluir um conjunto de validação pelo software estatístico é suprimir o overfitting. Para prever o rendimento de ácido elágico (Y), foram avaliados os mesmos quatro fatores de extração independentes (X1, X2, X3 e X4), 1-2 camadas ocultas com um número diferente de neurônios e três funções de ativação. As funções de ativação aplicadas foram tangente hiperbólica, linear e gaussiana. Em seguida, os conjuntos de dados foram treinados até que um valor R-quadrado alto para treinamento e validação fosse alcançado. Os dados de previsão e um modelo foram gerados. A melhor estrutura de RNA foi escolhida analisando as quatro entradas (X1, X2, X3 e X4) com uma camada oculta usando a função Gaussiana com dez neurônios (Figura S5). O R-quadrado dos conjuntos de treinamento e validação foi de 0,99, enquanto o RASE e AAE do modelo foram 0,062 e 0,044, respectivamente. O quadrado R da validação da RNA do ácido elágico neste estudo (0,99) foi maior do que a validação da RNA das procianidinas (0,95) e antocianinas (0,91) em um estudo anterior [14]. No entanto, esse aumento no R2 pode ser atribuído ao ajuste do modelo mais bem gerado dos dados deste estudo, o que pode ser devido aos menores erros experimentais. Os modelos preditivos de ANN para a extração de ácido elágico usando NDES #1 foram mostrados como equação 3-13:

Cistanche para melhorar a imunidade

Conclusão

As descobertas atuais apresentaram mais evidências sobre a eficácia das habilidades do NDES para extrair polifenóis de subprodutos da indústria de alimentos. Os resultados apoiaram a hipótese de uma extração assistida por ultra-som superior de NDES acima de 75 por cento de etanol. O NDES extraiu efetivamente três ácidos fenólicos, dois flavonóis e três flavan-3-óis de cascas e sementes de uva. O NDES #1 foi o NDES mais eficaz para extrair ácido elágico, enquanto o NDES #3 foi notavelmente seletivo para a extração de catequina e epicatequina. Uma desvantagem notável do NDES é sua alta viscosidade, que apresenta desafios durante o manuseio e a recuperação. No presente estudo, redes neurais artificiais, independentemente de suas limitações de resultados, demonstraram uma abordagem prática para modelagem preditiva. EQMs são meios robustos para recuperar fitoquímicos de sistemas alimentares. Algumas EQMs também apresentam um solvente menos tóxico para estudar esses fitoquímicos em células vivas [21,22]. Por fim, os solventes eutéticos profundos naturais são meios de extração alternativos eficazes aos solventes orgânicos.

Referências

[1] W. Bi, M. Tian, ​​KH Row, Avaliação de solvente eutético profundo à base de álcool na extração e determinação deflavonóidescom otimização de metodologia de superfície de resposta, J. Chromatogr. A 1285 (2013) 22–30, https://doi.org/10.1016/j. croma.2013.02.041.
[2] M. Cvjetko Bubalo, N. ´ Curko, M. Tomaˇsevi´c, K. Kovaˇcevi´c Ghani's, I. Radojˇci´c Redovnikovi´c, Extração verde de fenólicos de casca de uva usando solventes eutéticos profundos, Food Chem. 200 (2016) 159–166, https://doi.org/10.1016/j. foodchem.2016.01.040.
[3] M. Panic, V. Gunjevi´c, G. Cravotto, I. Radojˇci´c Redovnikovi´c, Tecnologias facilitadoras para a extração de antocianinas de bagaço de uva usando solventes eutéticos profundos naturais em lotes de até meio litro extração de antocianinas de bagaço de uva usando NADES, Food Chem. 300 (2019) 125185, https://doi.org/ 10.1016/j.foodchem.2019.125185.
[4] M. Hoffmann, et al., Muscadine Grape Production Guide for the Southeast, North Carolina State University, NC State Extension Publications, 2020 https://content. ces.ncsu.edu/muscadine-grape-production-guide (acessado em 18 de janeiro de 2021). [5] Cline, B. e C. Fisk, Visão geral da área cultivada de uva muscadine, cultivares e áreas de produção no sudeste dos EUA. Oficina de Uva Muscadine para Agentes de Extensão Cooperativa, no Consórcio de Pequenas Frutas da Região Sul. 2006: Consórcio de Pequenas Frutas da Região Sul.
[6] PC Andersen A. Sarkhosh D. Huff J. Breman 2020 6 10.32473/edis-hs100-2020.
[7] P. Greenspan, et al., Propriedades antiinflamatórias da uva muscadine (Vitis rotundifolia), J. Agric. Comida. Química 53 (22) (2005) 8481-8484, https://doi.org/10.1021/jf058015.
[8] DN Ignacio, KD Mason, EC Hackett-Morton, C. Albanese, L. Ringer, WD Wagner, PC Wang, MA Carducci, SK Kachhap, CJ Paller, J. Mendonça, L. Li Ying Chan, Bo Lin, DK Hartle, JE Green, CA Brown, TS Hudson, extrato de pele de uva Muscadine inibe as células do câncer de próstata induzindo a parada do ciclo celular e diminuindo a migração através da proteína de choque térmico 40, Heliyon 5 (1) (2019) e01128, https://doi .org/10.1016/j.heliyon.2019.e01128.