CN108559005A - 一种黄芪多糖的最佳提取工艺及优化提取工艺的方法 - Google Patents
一种黄芪多糖的最佳提取工艺及优化提取工艺的方法 Download PDFInfo
- Publication number
- CN108559005A CN108559005A CN201810614694.6A CN201810614694A CN108559005A CN 108559005 A CN108559005 A CN 108559005A CN 201810614694 A CN201810614694 A CN 201810614694A CN 108559005 A CN108559005 A CN 108559005A
- Authority
- CN
- China
- Prior art keywords
- astragalus polyose
- extraction process
- extraction
- optimized
- error
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08B—POLYSACCHARIDES; DERIVATIVES THEREOF
- C08B37/00—Preparation of polysaccharides not provided for in groups C08B1/00 - C08B35/00; Derivatives thereof
- C08B37/0003—General processes for their isolation or fractionation, e.g. purification or extraction from biomass
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Sustainable Development (AREA)
- Biochemistry (AREA)
- Materials Engineering (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Polymers & Plastics (AREA)
- Organic Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种黄芪多糖的最佳提取工艺及优化提取工艺的方法，包括：将黄芪多糖溶液用乙醇沉淀，浑浊溶液低速离心10min，吸弃上层清液，沉淀置50mL容量瓶中，加水定容；提取条件为：乙醇浓度95％，提取时间3h，提取次数1次，液料比20：1。本发明通过验证方法一、方法二得到的最佳提取工艺条件，方法一：通过正交实验设计，以黄芪多糖的提取量为指标对黄芪中黄芪多糖的提取工艺进行优化，方法二：通过正交分析法、R语言结合BP神经网络模型和遗传算法对对黄芪中黄芪多糖的提取工艺进行优化；将验证所得数据进行分析处理，对比得到最佳优化方法，最终得到黄芪多糖的最佳提取工艺。
Description
技术领域
本发明涉及试验分析领域，特别是一种通过R语言与正交试验分析，优化黄芪中有效成分黄芪多糖的提取工艺的方法。
背景技术
黄芪为豆科植物蒙古黄芪或膜荚黄芪的干燥根。味甘性温，具有补气升阳，固表止汗，利水消肿，生津养血之功效，临床上可用于气虚乏力，食少便溏，中气下陷，表虚自汗。黄芪多糖是黄芪的干燥根经提取、浓缩、纯化而成的水溶性杂多糖，可作为免疫促进剂或调节剂，同时具有抗肿瘤、抗衰老及抗氧化等作用。
正交试验设计法是研究多因素多水平实验的一种常见、普遍的设计方法，根据单因素实验挑选出具有代表性的点，按照均匀、整齐的原则进行分布，此设计方法可减少试验次数、提高实验效率。本实验考虑到节省能源和时间以有利于工业生产，故采用水提的方法提取黄芪有效成分黄芪多糖。由经典正交分析法对试验数据进行分析，得出的结果直观可靠，本文通过此分析方法得到一个黄芪多糖的优化提取工艺并进行验证。
中药的化学成分具有多样性、复杂性，仅仅通过正交及方差分析方法得出的结果不全面，难以整体的分析各因素对实验结果的影响。R语言是一种结合了数据操作、计算和图形展示功能的可动态统计的计算语言，具有强大的功能，可存储数据并对其进行处理，在数学建模、数据处理、统计计算及可视化等方面的应用越来越广泛。R语言拥有完整的数据分析工具体系，其资源免费、自由、源代码开放，且获取信息更加快速准确，并可通过图形显示数据分析结果，更加方便供于非专业人士阅读。R语言集成了多种改进后的数据挖掘算法和工具包，其核心是一个动态、功能强大的面向对象编程语言，在数据统计分析和结果预测等方面的应用越来越多。
BP神经网络按照误差逆向传播算法，通过调整其权重和阈值，交叉验证进行训练寻找最优隐层神经元个数，从而影响输入与输出之间的关系。遗传算法借鉴了自然进化规律中优胜劣汰的原则，其搜索算法用以解决最优解类问题。遗传算法的一个优点是其整体搜索能力强，在优胜劣汰的生物进化论基础上，遗传算法将初始群体的全部个体进行编码并计算其适用度，通过复制、交叉、突变等操作产生新个体，淘汰低适应度个体，将高适应度个体组成另一个种群，如此重复过程，直至满足要求为止。
市场需要对黄芪多糖的各因素各水平进行全局寻优，并对寻找的最佳工艺进行验证，本发明解决这样的问题。
发明内容
为解决现有技术的不足，本发明的目的在于提供一种黄芪多糖的最佳提取工艺及优化提取工艺的方法，本发明采用水提醇沉法提取黄芪多糖，通过正交实验设计，和通过正交分析法、R语言结合BP神经网络模型和遗传算法对黄芪中黄芪多糖的提取工艺进行优化，再对比验证两种方法得到的数据，选取最优的方法，最终得到黄芪多糖的最佳提取工艺。
为了实现上述目标，本发明采用如下的技术方案：
一种黄芪多糖的最佳提取工艺，包括：将黄芪多糖溶液用乙醇沉淀，浑浊溶液低速离心10min，吸弃上层清液，让其在容量瓶中沉淀，加水定容；提取条件为：乙醇浓度95％，提取时间3h，提取次数1次，液料比20：1；液料比为乙醇与药材的比例。
一种黄芪多糖的优化提取工艺的方法，包括如下步骤：
步骤一，设计黄芪多糖提取水平因素，通过水提醇沉法进行正交试验并获得正交试验数据；
步骤二，在R语言环境下建立BP神经网络模型，确定黄芪多糖提取工艺的因素参数；
步骤三，将正交试验数据分别采用留一法进行交叉验证，根据训练结果的拟合误差和预测误差选择隐层神经元；
步骤四，在参数相同的条件下，以正交试验数据为训练样本，对不同隐层神经元进行测试，以拟合误差为选择依据，确定隐层神经元的个数；
步骤五，采用实数编码方式，使用R语言进行编程，由遗传算法得到优化目标；
步骤六，对得到的优化提取工艺进行验证，测算黄芪多糖平均提取量和相对标准偏差，并计算与预测结果的相对误差。
前述的一种黄芪多糖的优化提取工艺的方法，步骤一，设计黄芪多糖提取水平因素，通过水提醇沉法进行正交试验并获得正交试验数据；黄芪多糖提取水平因素包括：乙醇浓度、提取时间、提取次数、液料比。
前述的一种黄芪多糖的优化提取工艺的方法，步骤二，在R语言环境下建立3层结构的BP神经网络模型，确定黄芪多糖提取工艺的因素参数；因素参数包括：输入节点数为4个，即选取的四因素乙醇浓度、提取时间、提取次数以及水用量体积；输出节点数为1个，即黄芪多糖的提取量。
前述的一种黄芪多糖的优化提取工艺的方法，步骤三，将9组正交试验数据分别采用留一法进行交叉验证，初始随机权为0.05，参数重量衰变为5×10-4，最大迭代次数为2000，其他参数均为默认值进行训练，根据训练结果的拟合误差和预测误差选择隐层神经元，得到训练结果，根据训练结果得知当隐层神经元为0时，其交叉验证的平均拟合误差及平均预测误差均小于5％，所以隐层神经元选择0。
前述的一种黄芪多糖的优化提取工艺的方法，步骤四，在参数相同的条件下，以正交试验的9组数据为训练样本，对不同隐层神经元进行测试，以拟合误差为选择依据，确定隐层神经元的个数，得到训练结果，根据训练结果判断将BP神经网络模型隐层神经元个数设置为0。
前述的一种黄芪多糖的优化提取工艺的方法，步骤五，R语言环境下的编程遗传算法，采用实数编码方式，其种群大小为500，接近的最大代数为100，最大不可变代数为10，收敛公差为1×10-4，其他参数均为默认值；使用R语言进行编程，由遗传算法得到以下结果：共运行14代，运行时间为2s，运行到第3代时黄芪多糖提取量最大，其预测值为每3g黄芪药材可提取56.386mg黄芪多糖，得到此结果的工艺条件为乙醇浓度95％，液料比20：1，提取时间3h，提取次数为1次。
本发明的有益之处在于：
方法一：通过正交实验设计，以黄芪多糖的提取量为指标对黄芪中黄芪多糖的提取工艺进行优化，方法二：通过正交分析法、R语言结合BP神经网络模型和遗传算法对对黄芪中黄芪多糖的提取工艺进行优化；本发明验证这两种方法得到的最佳提取工艺条件，再进行比对，最终得到黄芪多糖的最佳提取工艺；
本发明在得到黄芪多糖的最佳提取工艺条件下，黄芪多糖平均提取量为18.68mg/g，RSD值为1.51％，且与预测结果相对误差仅有0.631％，对实验结果具有良好的预测性，为中药材提取及相关制剂工艺优化提供了一种经济高效的优化方法。
具体实施方式
以下结合具体实施例对本发明作具体的介绍。
一种黄芪多糖的最佳提取工艺，包括：将黄芪多糖溶液用乙醇沉淀，浑浊溶液低速离心10min，吸弃上层清液，沉淀置50mL容量瓶中，加水定容；提取条件为：乙醇浓度95％，提取时间3h，提取次数1次，液料比20：1；液料比为乙醇与药材的比例。
此结论由以下实验得到；
材料与试剂
黄芪：浙江中医药大学中药饮片有限公司，批号：160401，经检验为豆科植物蒙古黄芪的干燥根，其质量符合《中国药典》2015年版一部黄芪项下有关规定；黄芪多糖：上海源叶生物科技有限公司，批号：CJ0101QA14；其余试剂均为分析纯。
仪器与器材
紫外可见分光光度计：UV-2800/2802/2802S，上海恒科仪器有限公司；电子天平：XS205，梅特勒-托利多仪器(上海)有限公司；低速离心机：SC-3610，湘潭鑫博离心机设备有限公司。
实验方法包括如下内容：
对照品溶液的制备
精密称取黄芪多糖标准品50.56mg，置于干燥的100mL容量瓶中,加水定容，摇匀,即得浓度为0.5056mg/mL的黄芪多糖标准品溶液。
黄芪多糖的提取方法为：将黄芪多糖溶液用乙醇沉淀，浑浊溶液低速离心10min，小心吸弃上层清液，沉淀置50mL容量瓶中，加水定容，即为供试品溶液。
测定黄芪多糖含量的方法为：精密量取2、4、6、8、10mL的上文中的对照品溶液，完全转移至50mL容量瓶中。用蒸馏水定容补齐至刻度线，摇匀。分别精密吸取各梯度的对照品溶液2mL于试管中，加入5％苯酚溶液1.0mL，后立即小心加入浓硫酸5.0mL，加塞，振摇5min，室温下静置30min。采用紫外-可见分光光度法，以相应试剂为空白，检测波长为490nm，测定各浓度溶液的吸光度。以吸光度为纵坐标，浓度为横坐标，绘制标准曲线，得线性回归方程为：Y＝23.413X-0.8889，r＝0.9998，表明黄芪多糖在2.528-25.28mg/mL范围内呈良好线性关系。取1.0mL供试品溶液，按照上文标准曲线方法测定黄芪多糖含量。
以下通过方法学验证：
1)精密度测定；
精密吸取黄芪多糖对照品溶液3mL，定容至25mL容量瓶中，摇匀。分别精密吸取2mL上述溶液于5个试管中，按照上文方法进行测定，平行测定5次，其相对标准偏差RSD值为0.38％，符合要求，说明仪器的精密度良好。
2)稳定性实验；
取黄芪多糖对照品溶液3mL，定容至50mL容量瓶中，摇匀。分别精密吸取2mL于6个试管中，按照上文的方法，分别测定0、2、4、8h的吸光度，测定其含量，其相对标准偏差RSD值为0.75％，符合要求，说明黄芪多糖在8h内稳定。
3)重复性实验；
取同批次样品粗粉5份，分别转移至50mL容量瓶中，蒸馏水定容，摇匀。分别精密吸取2mL于试管中，按照上文的方法测定黄芪多糖含量，计算其RSD值为0.4％，说明该方法重现性良好。
4)加样回收率；
称取样品粗粉0.30g，共5份，分别加入三角瓶中。分别在三角瓶中加入黄芪多糖标准品溶液2、4、6、8mL。按照上文的方法，配置供试品溶液。吸取各溶液2mL于试管中,按上文的方法测定吸光度,计算其加样回收率为101％，RSD值为0.3％。
5)提取工艺研究；
根据相关文献及预实验，正交试验选取乙醇浓度(A)、提取时间(B)、提取次数(C)及液料比(D)4个因素，分别取3个水平，通过水提醇沉法，以黄芪多糖的提取量为指标考查各因素对黄芪多糖提取量的影响。按照L9(34)正交表，因素与水平设计见表1，试验结果见表2，方差分析见表3。
表1 黄芪多糖提取水平因素表
表2 黄芪多糖提取正交试验结果分析
表3 方差分析表
查方差分析表:F1-0.05(2，9)＝4.26，F1-0.01(2，9)＝8.02
从表3的实验结果分析可知，实验条件对黄芪多糖的影响为提取次数C>提取时间B>水用量体积D>乙醇浓度A。利用SPSS软件进行分析得到的结果(表3)表明，黄芪多糖的提取次数对其提取效果的影响最大，其次是提取时间和水的用量体积，乙醇浓度对其提取量的影响不显著。本实验优化得到的提取工艺为A2B2C3D1，即用40倍体积的水，回流3次，每次2h，醇沉时乙醇浓度为75％。
R语言环境下的BP神经网络建模
本文通过3层结构的BP神经网络建立模型，输入节点数为4个，即选取的四因素乙醇浓度、提取时间、提取次数以及水用量体积；输出节点数为1个，即黄芪多糖的提取量。将9组正交试验数据分别采用留一法进行交叉验证，初始随机权(range)为0.05，参数重量衰变(decay)为5×10-4，最大迭代次数(maxit)为2000，其他参数均为默认值进行训练，根据训练结果的拟合误差和预测误差选择隐层神经元(size)，训练结果见表4。同时，在参数相同的条件下，以9组数据为训练样本，对不同隐层神经元(size)进行测试，以拟合误差为选择依据，确定隐层神经元(size)个数，结果见表5。
表4 隐层神经元(size)训练结果％
表5 隐层神经元(size)测试训练结果
由表4可知，当隐层神经元(size)为0时，其交叉验证的平均拟合误差及平均预测误差均小于5％，表明具有统计学意义。由表5隐层神经元测试训练结果表明，随着隐层神经元个数的增加，其拟合误差呈现先增大后减小的趋势，可判定其拟合过度。因此，将本实验的BP神经网络模型隐层神经元个数设置为0。
R语言结合遗传算法进行目标寻优
R语言环境下的编程遗传算法，采用实数编码方式，其种群大小为500，接近的最大代数为100，最大不可变代数为10，收敛公差为1×10-4，其他参数均为默认值。使用R语言进行编程，由遗传算法得到以下结果：共运行14代，运行时间为2s，运行到第3代时黄芪多糖提取量最大，其预测值为每3g黄芪药材可提取56.386mg黄芪多糖，得到此结果的工艺条件为乙醇浓度95％，液料比20：1，提取时间3h，提取次数为1次。
验证试验：
根据正交分析及R语言得到的两个优化工艺条件提取黄芪多糖，即分别在乙醇浓度75％，提取时间2h，提取次数3次及液料比40：1和乙醇浓度95％，提取时间3h，提取次数1次及液料比20：1的条件下，按照水提醇沉法进行提取，再按照上文的方法测定黄芪多糖含量，试验平行重复5次。
表6 正交分析最佳工艺验证结果
Table 6 The best process validation results of orthogonal analysis
表7 R语言最佳工艺验证结果
Table 7 The best process validation results of R language
根据正交试验分析得出的优化条件进行提取，得到黄芪多糖平均提取量为14.03mg/g，RSD为2.27％；R语言分析处理得到优化条件下黄芪多糖平均提取量为18.68mg/g，RSD值为1.51％，且与预测结果相对误差仅有0.631％，说明R语言结合此BP神经网络模型的预测性良好。
正交试验设计法是研究多因素多水平实验的一种常见、普遍的设计方法，根据单因素实验挑选出具有代表性的点，按照均匀、整齐的原则进行分布，此设计方法可减少试验次数、提高实验效率。本实验考虑到节省能源和时间以有利于工业生产，故采用水提的方法提取黄芪有效成分黄芪多糖。由经典正交分析法对试验数据进行分析，得出的结果直观可靠，本文通过此分析方法得到一个黄芪多糖的优化提取工艺并进行验证。
中药的化学成分具有多样性、复杂性，仅仅通过正交及方差分析方法得出的结果不全面，难以整体的分析各因素对实验结果的影响。R语言是一种结合了数据操作、计算和图形展示功能的可动态统计的计算语言，具有强大的功能，可存储数据并对其进行处理，在数学建模、数据处理、统计计算及可视化等方面的应用越来越广泛。R语言拥有完整的数据分析工具体系，其资源免费、自由、源代码开放，且获取信息更加快速准确，并可通过图形显示数据分析结果，更加方便供于非专业人士阅读。R语言集成了多种改进后的数据挖掘算法和工具包，其核心是一个动态、功能强大的面向对象编程语言，在数据统计分析和结果预测等方面的应用越来越多。
BP神经网络按照误差逆向传播算法，通过调整其权重和阈值，交叉验证进行训练寻找最优隐层神经元个数，从而影响输入与输出之间的关系。遗传算法借鉴了自然进化规律中优胜劣汰的原则，其搜索算法用以解决最优解类问题。遗传算法的一个优点是其整体搜索能力强，在优胜劣汰的生物进化论基础上，遗传算法将初始群体的全部个体进行编码并计算其适用度，通过复制、交叉、突变等操作产生新个体，淘汰低适应度个体，将高适应度个体组成另一个种群，如此重复过程，直至满足要求为止。本试验在R语言环境下，通过BP神经网络模型结合遗传算法对影响黄芪多糖的各因素各水平进行全局寻优，并对寻找的最佳工艺进行验证。
综上，R语言结合神经网络模型处理得到的黄芪多糖提取工艺优于正交分析法处理得到的提取工艺，即黄芪中黄芪多糖的最佳提取工艺为乙醇浓度95％，提取时间3h，提取次数1次，液料比20：1。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (7)
1.一种黄芪多糖的最佳提取工艺，其特征在于，包括：将黄芪多糖溶液用乙醇沉淀，浑浊溶液低速离心10min，吸弃上层清液，让其在容量瓶中沉淀，加水定容；提取条件为：乙醇浓度95％，提取时间3h，提取次数1次，液料比20：1；所述液料比为乙醇与药材的比例。
2.一种黄芪多糖的优化提取工艺的方法，其特征在于，包括如下步骤：
步骤一，设计黄芪多糖提取水平因素，通过水提醇沉法提取黄芪多糖，进行正交试验并获得正交试验数据；
步骤二，在R语言环境下建立BP神经网络模型，确定黄芪多糖提取工艺的因素参数；
步骤三，将正交试验数据分别采用留一法进行交叉验证，根据训练结果的拟合误差和预测误差选择隐层神经元；
步骤四，在参数相同的条件下，以正交试验数据为训练样本，对不同隐层神经元进行测试，以拟合误差为选择依据，确定隐层神经元的个数；
步骤五，采用实数编码方式，使用R语言进行编程，由遗传算法得到优化目标；
步骤六，对得到的优化提取工艺进行验证，测算黄芪多糖平均提取量和相对标准偏差，并计算与预测结果的相对误差。
3.根据权利要求2所述的一种黄芪多糖的优化提取工艺的方法，其特征在于，步骤一，设计黄芪多糖提取水平因素，通过水提醇沉法进行正交试验并获得正交试验数据；黄芪多糖提取水平因素包括：乙醇浓度、提取时间、提取次数、液料比。
4.根据权利要求2所述的一种黄芪多糖的优化提取工艺的方法，其特征在于，步骤二，在R语言环境下建立3层结构的BP神经网络模型，确定黄芪多糖提取工艺的因素参数；因素参数包括：输入节点数为4个，即选取的四因素乙醇浓度、提取时间、提取次数以及水用量体积；输出节点数为1个，即黄芪多糖的提取量。
5.根据权利要求2所述的一种黄芪多糖的优化提取工艺的方法，其特征在于，步骤三，将9组正交试验数据分别采用留一法进行交叉验证，初始随机权为0.05，参数重量衰变为5×10-4，最大迭代次数为2000，其他参数均为默认值进行训练，根据训练结果的拟合误差和预测误差选择隐层神经元，得到训练结果，根据训练结果得知当隐层神经元为0时，其交叉验证的平均拟合误差及平均预测误差均小于5％，所以隐层神经元选择0。
6.根据权利要求2所述的一种黄芪多糖的优化提取工艺的方法，其特征在于，步骤四，在参数相同的条件下，以正交试验的9组数据为训练样本，对不同隐层神经元进行测试，以拟合误差为选择依据，确定隐层神经元的个数，得到训练结果，根据训练结果判断将BP神经网络模型隐层神经元个数设置为0。
7.根据权利要求2所述的一种黄芪多糖的优化提取工艺的方法，其特征在于，步骤五，R语言环境下的编程遗传算法，采用实数编码方式，其种群大小为500，接近的最大代数为100，最大不可变代数为10，收敛公差为1×10-4，其他参数均为默认值；使用R语言进行编程，由遗传算法得到以下结果：共运行14代，运行时间为2s，运行到第3代时黄芪多糖提取量最大，其预测值为每3g黄芪药材可提取56.386mg黄芪多糖，得到此结果的工艺条件为乙醇浓度95％，液料比20：1，提取时间3h，提取次数为1次。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810614694.6A CN108559005A (zh) | 2018-06-14 | 2018-06-14 | 一种黄芪多糖的最佳提取工艺及优化提取工艺的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810614694.6A CN108559005A (zh) | 2018-06-14 | 2018-06-14 | 一种黄芪多糖的最佳提取工艺及优化提取工艺的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108559005A true CN108559005A (zh) | 2018-09-21 |
Family
ID=63553936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810614694.6A Pending CN108559005A (zh) | 2018-06-14 | 2018-06-14 | 一种黄芪多糖的最佳提取工艺及优化提取工艺的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108559005A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110165297A (zh) * | 2019-05-31 | 2019-08-23 | 重庆市科学技术研究院 | 一种薄膜锂电池固态电解质的过程参数选择方法 |
| CN111723899A (zh) * | 2020-06-01 | 2020-09-29 | 集美大学 | 基于神经网络的江蓠原料液料比预测方法及装置 |
| CN112768014A (zh) * | 2021-01-08 | 2021-05-07 | 中国科学院兰州化学物理研究所 | 一种预测用于多糖分离的大孔吸附树脂类型的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106749495A (zh) * | 2016-11-18 | 2017-05-31 | 浙江中医药大学 | R语言结合正交试验法优化丹参酮iia的提取工艺方法 |
| CN108108851A (zh) * | 2018-01-03 | 2018-06-01 | 浙江中医药大学 | 基于r语言和正交试验的水蛭素提取工艺的优化方法 |
-
2018
- 2018-06-14 CN CN201810614694.6A patent/CN108559005A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106749495A (zh) * | 2016-11-18 | 2017-05-31 | 浙江中医药大学 | R语言结合正交试验法优化丹参酮iia的提取工艺方法 |
| CN108108851A (zh) * | 2018-01-03 | 2018-06-01 | 浙江中医药大学 | 基于r语言和正交试验的水蛭素提取工艺的优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王停 等: "《中药、天然药物复方优化及拆方方法学研究》", 31 January 2011, 中国中医药出版社 * |
| 金芬芬 等: "不同提取方法对黄芪多糖提取率影响的实验研究", 《中华中医药学刊》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110165297A (zh) * | 2019-05-31 | 2019-08-23 | 重庆市科学技术研究院 | 一种薄膜锂电池固态电解质的过程参数选择方法 |
| CN111723899A (zh) * | 2020-06-01 | 2020-09-29 | 集美大学 | 基于神经网络的江蓠原料液料比预测方法及装置 |
| CN111723899B (zh) * | 2020-06-01 | 2023-09-15 | 集美大学 | 基于神经网络的江蓠原料液料比预测方法及装置 |
| CN112768014A (zh) * | 2021-01-08 | 2021-05-07 | 中国科学院兰州化学物理研究所 | 一种预测用于多糖分离的大孔吸附树脂类型的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108920893B (zh) | 一种基于人工智能的颅颌面骨骼和软组织形态预测方法 | |
| CN108559005A (zh) | 一种黄芪多糖的最佳提取工艺及优化提取工艺的方法 | |
| Bodner et al. | A statistical approach to root system classification | |
| CN108509982A (zh) | 一种处理二分类不平衡医学数据的方法 | |
| CN106511448A (zh) | 基于r语言的同时提取甘草中皂苷和总黄酮的优化提取工艺 | |
| CN106749495A (zh) | R语言结合正交试验法优化丹参酮iia的提取工艺方法 | |
| CN108304887A (zh) | 基于少数类样本合成的朴素贝叶斯数据处理系统及方法 | |
| Shenkin et al. | The influence of ecosystem and phylogeny on tropical tree crown size and shape | |
| CN106529165A (zh) | 基于稀疏相似矩阵的谱聚类算法识别癌症分子亚型的方法 | |
| CN105550509B (zh) | 一种医用输液滴速评价方法及系统 | |
| CN102298662A (zh) | 基于自适应谐振理论的神经网络中医证候诊断系统 | |
| CN106202267A (zh) | 一种黄果柑综合品质评价方法 | |
| CN107368707A (zh) | 基于us‑elm的基因芯片表达数据分析系统及方法 | |
| CN107784452A (zh) | 一种烟叶风格特征相似性的客观综合评价方法 | |
| CN109947901A (zh) | 基于多层感知机和自然语言处理技术的方剂功效预测方法 | |
| Pinheiro et al. | Fitting nonlinear mixed-effects models | |
| Gentzbittel et al. | Molecular phylogeny of the Helianthus genus, based on nuclear restriction-fragment-length polymorphism (RFLP) | |
| CN114822874A (zh) | 一种基于特征偏差对齐的方剂功效分类方法 | |
| CN113066572B (zh) | 一种增强局部特征提取的中医辅助诊断系统及方法 | |
| CN109543747A (zh) | 一种基于分层随机森林的数据特征选择方法及装置 | |
| CN108804864A (zh) | 一种黄芪甲苷的最佳提取工艺及优化提取工艺的方法 | |
| CN106446601B (zh) | 一种大规模标注lncRNA功能的方法 | |
| CN105138835B (zh) | 基于生理信息熵的人体体成分预测方法 | |
| CN107818329A (zh) | 一种质谱数据分析方法 | |
| CN108619172A (zh) | 一种水蛭抗凝活性物质的提取工艺及优化提取工艺的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |