《Applied Food Research》：Gas Chromatography-Mass Spectrometry determination of bioactive compounds and mineral composition of optimised oven dried
Eichhornia Crassipes using Artificial Neural Network and Response Surface Method
編輯推薦：
為解決鳳眼蓮（E. crassipes）干燥過程優化及干燥條件對其成分影響不明的問題，研究人員用響應面法（RSM）和人工神經網絡（ANN）優化其烘箱干燥過程。結果顯示 ANN 模型預測性更好，優化條件下其有高營養價值。該研究為其在食品領域應用提供依據。
在神秘的水生世界里，有一種植物正引發著科學家們的濃厚興趣，它就是鳳眼蓮（
Eichhornia crassipes）。鳳眼蓮，這個看似普通的水生植物，實則有著復雜的 “身份”。它是國際自然保護聯盟（IUCN）認定的百大入侵物種之一，在水域中肆意生長，嚴重威脅著水生生態系統的平衡。它會大量消耗水中氧氣，加劇水體富營養化，讓原本清澈的水質變得渾濁不堪，眾多水生生物的生存空間被無情擠壓。
但就是這樣一個 “生態破壞者”，卻隱藏著不為人知的一面。鳳眼蓮含有多種生物活性化合物以及鉀、鈣、鎂等 essential minerals，這些物質對人體健康有著至關重要的作用，比如參與骨骼健康的維持、促進血液循環、幫助血紅蛋白的形成以及氧氣的運輸等。而且，它還含有一些具有特殊功能的化合物，像 β - 谷甾醇（β - sitosterol）等，有著降低膽固醇的潛力。此外，鳳眼蓮在食品、飼料、植物營養等領域也展現出了一定的應用潛力，可以作為補充食品蛋白質、家禽家畜及水產養殖的飼料成分，甚至還能為植物生長提供養分。
然而，想要充分利用鳳眼蓮的這些潛在價值，卻面臨著一個棘手的問題。目前，針對鳳眼蓮干燥過程的優化研究少之又少，人們并不清楚不同的干燥條件會對它的礦物質和生物活性化合物成分產生怎樣的影響。而干燥過程又極其關鍵，因為不合適的干燥條件可能會導致植物材料的營養和生物活性成分大量流失，就像一把雙刃劍，用好了能發揮其最大價值，用不好則會前功盡棄。
為了攻克這個難題，來自國外的研究人員踏上了探索之旅。他們開展了一項旨在優化鳳眼蓮烘箱干燥條件，并深入研究干燥條件對其礦物質和生物活性化合物成分影響的研究。最終，他們成功找到了優化的干燥條件，并且發現人工神經網絡（ANN）模型在預測干燥過程方面比響應面法（RSM）模型更具優勢。這一研究成果意義非凡，為鳳眼蓮在食品增值產品等領域的應用提供了堅實的理論基礎，有望讓鳳眼蓮從 “生態負擔” 轉變為 “綠色寶藏”，該研究成果發表在《Applied Food Research》上。
在這項研究中，研究人員運用了多種關鍵技術方法。首先，他們采用旋轉中心復合設計（CCD）結合響應面法（RSM），對干燥過程中的溫度、時間和空氣速度等變量進行優化和建模。同時，利用人工神經網絡（ANN）對實驗數據進行建模分析，以對比兩種方法的預測性能。在成分分析方面，借助原子吸收分光光度計（AAS）測定礦物質成分，運用氣相色譜 - 質譜聯用（GC - MS）技術分析生物活性化合物。
結果與討論
- 響應面法（RSM）：通過 RSM 建立的模型顯示，預測值與實驗值較為接近，模型的 P 值小于 0.05，表明模型具有高度顯著性，且缺乏擬合不顯著，說明該模型能較好地評估獨立因素對響應變量（水分含量）的影響，其最佳擬合為二次模型，R2達到 0.9280。進一步分析發現，干燥溫度、時間和空氣速度對水分減少均有顯著影響。溫度升高、時間延長和空氣速度加快都能促進水分的減少。通過 desirability function method 優化得到最佳干燥條件為溫度 51°C、時間 146 分鐘、空氣速度 3.4m/s，該條件下 RSM 模型的 desirability score 為 1.0，且驗證實驗結果與預測值接近，誤差較小，驗證了模型的可行性。
- 人工神經網絡（ANN）分析：ANN 模型經過多次嘗試，最終選定在 Epochs 5 時達到最佳性能，此時模型的 R2值在驗證、訓練、測試和總體網絡過程中都接近 1，表明該模型對鳳眼蓮烘箱干燥過程中水分減少的建模具有良好的適用性。同時，研究發現溫度對響應參數的影響最大，干燥時間和空氣速度的影響相同。此外，通過與 RSM 模型對比，ANN 模型的 R2值更高（0.9897），均方誤差（MSE）和均方根誤差（RMSE）更低，說明 ANN 模型在預測實驗數據方面表現更優。
- RSM 和 ANN 模型比較：對比 RSM 和 ANN 模型發現，雖然兩種模型的預測值都與實際值較為接近，但 ANN 模型的 R2值更接近 1，誤差統計值更低，這使得 ANN 模型在預測水分含量減少和估計模型準確性方面更具優勢，能更有效地描述鳳眼蓮的干燥過程。
- 優化干燥后鳳眼蓮的特征分析
- 礦物質成分：優化干燥后的鳳眼蓮葉子和根的水分含量降至 9.16±0.987%，符合植物材料干燥用于粉末生產的要求。礦物質分析表明，不同礦物質在根和葉中的含量存在差異，如鐵在根中的含量遠高于葉，而鉀則相反。同時，研究還發現鳳眼蓮的礦物質成分能部分滿足人體每日所需礦物質攝入量。
- GC - MS 表征：GC - MS 分析顯示，在優化條件下，鳳眼蓮葉和根提取物中鑒定出約 29 種生物活性化合物，其中 7 種為主要化合物，包括哌嗪（piperazine）、β - 谷甾醇（β - sitosterol）等。這些化合物具有多種生理功能，如參與細胞代謝、調節免疫和消化系統等，對人體健康有益。
研究結論與意義
該研究成功利用 RSM 優化了鳳眼蓮的烘箱干燥參數，并通過 ANN 對比了模型性能，同時明確了干燥參數對礦物質和生物活性化合物成分的影響。研究結果表明，ANN 模型在預測干燥過程方面優于 RSM 模型，優化干燥條件下的鳳眼蓮具有較高的營養價值，在食品價值增值產品等領域具有廣闊的應用前景。這一研究為鳳眼蓮的合理利用提供了重要的理論依據，有助于推動其在相關領域的進一步開發和應用，讓這個曾經的 “生態難題” 有望成為造福人類的 “健康寶藏”。
