星点设计效应面法优化槐花米中槲皮素提取工艺

　　根据表2的设计进行实验，每次获得的提取物经干燥至恒重后，称重，按公式EE%=(W/W0)×100%计算产率，其中EE为产率，W为提取物干重(g)，W0为槐花米用量(g);同时测定提取物中槲皮素的含量。结果见表2。

　　2.3.2 实验数据的处理 分别以槲皮素纯度(Y1)和收率(Y2)为函数，采用SPSS15.0统计分析软件对实验数据进行回归分析，并对回归模型进行统计学检验，去除P值过大项，简化回归方程。多元线性回归方程为：Y1 = 0.408 4-0.004 12X1+0.008 812X2+0.002 362X3 (r= .4304, P= 0.5030) ①Y2 = -0.161 7+0.014 87X1+0.001 886X2+0.000 256X3 (r = 0.8914, P = 0.000 425) ②二项式方程为：Y1=1.696 6-0.081 24X1-0.044 6X2-0.043 2X3+0.006 066X12+0.001 147X22+0.002 683X32-0.002 82X1X3-0.000 21X2X3 (r = 0.671 1, P= 0.856 0) ③Y2=-0.017 78+0.014 89X1-0.005 158X2-0.008 163X3-0.000 364X12+0.000 154X22+0.000 123X32-0.000 028 8X1X2+0.000 532X1X3-0.000 023 1X2X3 (r= 0.9249, P= 0.101 5) ④对公式(4)，去除P值较大项，即X12、X1X2及X2X3项，重新采用二项式方程拟合数据，得如下关系式：Y2=-0.226 4+0.046 72X1-0.002 498X2-0.005 059X3-0.001 993X22+0.000 087 7X32+0.000 532X1X3 (r = 0.9195, P= 0.006 576) ⑤可见，多元线性方程②或二项式方程⑤均可用于拟合Y2与3个因素间的关系，而Y1的拟合结果不理想。继续采用其他方程拟合Y1数据，得如下关系式：Y1=-20.87-0.115 8X2+1.120 8X3+0.002 032X22-0.017 85X32-0.000 43X1X3-0.000 21X2X3-14.70/X2+201.8/X3-576.7/X32 (r = 0.981 9, P = 0.004 153) ⑥

　　由方程⑥的r值与P值可知，通过对数据的多次模拟而获得的这一非线性方程的拟合结果较为满意。因此，Y1与3个因素间的关系可采用方程⑥模拟，而Y2可用方程②或⑤拟合。

　　2.3.3 优化实验为简化步骤，选择方程②与⑥进行优化实验。由方程②可知，因素对Y2由大到小的影响顺序为：pH值(X1)→料液比(X2)→提取时间(X3);三者取值越大，槲皮素收率越高。

　　方程⑥表明X2与X3对Y1的结果有显著影响，因此，固定X1为中值，采用origin6.0绘图软件绘制X1、与X2、X3的三维效应面图和等高线图，由图确定相应因素的最佳取值范围。结果见图1及表3。图1 Y1与X2、X3的三维效应面图和等高线图表3 最佳取值范围

　　2.3.4 模型的验证为检验预测的可靠性，采用上述最优提取条件进行实验。根据模型，理论产率为5.92%，实际产率为5.63%;理论纯度为89.13%，实际纯度为85.35%，实际值与理论预测值接近，表明采用星点设计效应面法获得的模型准确可靠，预测性好，可用于工艺参数的优化。

　　3 讨论

　　对收率(Y2)，曾尝试采用方程⑤进行优化，但发现由此获得的最佳取值区域与纯度(Y1)的最佳取值无重叠部份，不能同时兼顾，因而选择了方程②优化参数。

　　优化实验结果显示，产品纯度得到了较大幅度的提高，而收率无明显改善。这是因为由公式②、⑥可知，pH值(X1)对收率影响最大，而对纯度的影响最小，本文的优化实验更为重视产品的纯度，因此将其取为中值。公式②显示，欲获得最大收率，X1需取最大值，由于方程②的3个因素中X1项的系数最大，其值的减少将显著降低收率，使得优化实验收率仅有5.63%。

【参考文献】
  　[1] 刘彦芳，秦 莉，张 达，等. 槲皮素的生物学活性研究进展[J]. 国际眼科杂志，2009，9(5)：941.

　　[2] 孟祥颖, 郭 良, 李玉新, 等. 芦丁的来源、用途及提取纯化方法[J]. 长春中医学院学报，2003，19 (2)：61.

　　[3] 吴 伟, 崔光华. 星点设计-效应面优化法及其在药学中的应用[J]. 国外医学·药学分册，2000，27(5)：292