基于NADES与智能算法优化橄榄叶多酚提取的绿色工艺创新及其抗氧化活性研究

《Sustainable Food Technology》：NADES-based extraction of olive leaf phenolics using RSM, ANFIS and machine learning techniques

本文综述了采用天然低共熔溶剂（NADES）结合响应面法（RSM）、自适应神经模糊推理系统（ANFIS）及机器学习（ML）技术，优化橄榄叶多酚提取工艺的研究。通过对比传统RSM与智能算法模型，发现ANFIS与XGBoost在预测精度与泛化能力上更具优势，为农业副产物高值化利用提供了绿色技术路径，契合可持续发展目标（SDGs）。

　　

引言

橄榄树（Olea europaeaL.）作为地中海地区代表性经济作物，其产业链衍生的橄榄叶副产物富含多酚类活性成分。传统有机溶剂提取法存在环境污染问题，而天然低共熔溶剂（NADES）因其低毒性、可生物降解及高提取效率成为绿色替代方案。本研究首次采用柠檬酸-葡萄糖（2:1）NADES体系，结合RSM、ANFIS与ML算法，系统优化橄榄叶（品种：Chemlal）多酚提取工艺。

材料与方法

实验以阿尔及利亚Bouira地区采收的Chemlal橄榄叶为原料，经干燥粉碎后，以柠檬酸-葡萄糖NADES（含水30% w/w）为提取剂，通过中心复合设计（CCD）调控提取时间（30–120 min）、搅拌速度（100–900 rpm）和液固比（30–90 mL g^?1）。总酚含量（TPC）采用Folin-Ciocalteu法测定，以没食子酸当量（GAE）表示。利用RSM构建二次多项式模型，ANFIS通过Sugeno型模糊推理系统整合神经网络与模糊逻辑，ML算法采用随机森林回归器与XGBoost进行预测优化。

结果与讨论

模型性能对比

RSM模型确定最优条件为时间90 min、转速500 rpm、液固比1:70 g mL^?1，预测TPC达96.30 mg GAE g^?1DM，验证实验值为95.00 ± 1.49 mg GAE g^?1DM（p> 0.05）。ANFIS模型表现出最优预测精度（R²= 0.9611，RMSE ≈ 4.4），显著优于ML模型（R²= 0.2802）。XGBoost与ANFIS均识别时间与液固比为关键影响参数，凸显智能算法在非线性系统建模中的优势。

提取物活性分析

优化提取物中总黄酮与缩合单宁含量分别为0.52 ± 0.03 mg QE g^?1DM与6.64 ± 0.30 mg TA g^?1DM。抗氧化实验显示其具备强还原能力（磷钼酸法IC₅₀= 159.01 μg mL^?1）、DPPH自由基清除活性（IC₅₀= 1357.00 μg mL^?1）及ABTS自由基清除活性（IC₅₀= 7200.00 μg mL^?1），与多酚含量呈正相关。

结论

本研究证实柠檬酸-葡萄糖NADES体系可高效提取橄榄叶多酚，ANFIS与XGBoost模型在小样本优化中显著提升预测可靠性。该策略为农业废弃物资源化提供了绿色技术支撑，助力营养保健品与功能性食品开发，符合联合国可持续发展目标（SDG 3、9、12）。未来将深入探究NADES对橄榄叶中环烯醚萜类（如橄榄苦苷）与黄酮类成分的选择性提取机制。