杏果生物活性成分的人工智能优化提取与多维度生物活性评价

《Scientific Reports》：Determination of optimum extraction conditions and evaluation of biological activities of Prunus Armeniaca L. (Apricot) fruit

本研究针对杏（Prunus armeniaca L.）果实生物活性成分提取效率低、传统优化方法局限性大的问题，通过整合响应面法（RSM）与人工神经网络-遗传算法（ANN-GA）模型，系统优化提取工艺参数（温度、时间、乙醇/水比例），并综合评价提取物的抗氧化、抗增殖及抗胆碱酯酶活性。结果表明，ANN-GA优化提取物在总抗氧化状态（TAS）、DPPH自由基清除活性、总酚（TPC）及总黄酮（TFC）含量上均显著优于RSM法，且对A549肺癌细胞增殖抑制及乙酰胆碱酯酶（AChE）/丁酰胆碱酯酶（BChE）抑制活性更强。该研究为功能性食品与药物开发提供了AI驱动的绿色提取新策略，凸显杏果在神经保护与抗癌领域的应用潜力。

　　

杏（Prunus armeniaca L.）作为蔷薇科植物，不仅是一种广受欢迎的水果，更因其富含维生素、矿物质和多酚类化合物而被视为具有重要营养与治疗价值的天然资源。研究表明，杏果具有抗氧化、抗炎、抗菌、抗癌、肝保护、心脏保护及神经保护等多种生物活性，尤其通过其丰富的β-胡萝卜素、维生素C和多酚成分，能够有效减轻自由基引发的氧化应激，从而在慢性疾病预防中发挥关键作用。然而，尽管杏果的生物潜力已被初步揭示，其生物活性成分的高效提取仍面临挑战——传统提取方法往往依赖固定实验设计或线性假设，难以精准捕捉温度、时间、溶剂比例等复杂参数间的非线性关系，导致提取效率低下，活性成分损失严重。此外，现有研究多聚焦于单一生物活性评价，缺乏对多维度生物活性的系统比较，更未见人工智能技术在此领域的深入应用。

为突破上述局限，由Nazan Comlekcioglu、Mustafa Sevindik等研究人员组成的团队在《Scientific Reports》上发表了最新研究，首次将响应面法（RSM）与人工神经网络-遗传算法（ANN-GA）相结合，系统优化杏果生物活性成分的提取工艺，并全面评估其抗氧化、抗增殖及抗胆碱酯酶活性。研究通过Soxhlet提取装置，以温度（45–65°C）、时间（5–15小时）和乙醇/水比例（0%–100%）为变量，设计27组实验，以总抗氧化状态（TAS）为核心响应指标，分别构建RSM二次多项式模型与ANN-GA预测模型。优化后，通过LC-MS/MS分析酚类成分，并采用MTT法、Ellman法等技术评价生物活性。

关键方法概述

研究以土耳其马拉蒂亚省主栽品种“Hacihalioglu”杏果为样本，经干燥粉碎后，通过全因子实验设计结合RSM与ANN-GA双模型优化提取参数；生物活性评价包括：DPPH与FRAP法测抗氧化能力，MTT法检测A549细胞抗增殖效应，Ellman法分析AChE/BChE抑制活性，LC-MS/MS定量24种酚类化合物。

优化提取条件

实验数据显示，TAS值在55°C、10小时提取条件下达到峰值（9.672 mmol/L），而65°C长时间提取则导致活性成分降解。RSM模型R²为0.876，ANN-GA模型（3-46-1架构）的MSE低至0.002，MAPE为0.379%，预测精度显著优于RSM。ANN-GA优化条件为57.057°C、11.791小时、64.899%乙醇/水比例，其提取物TAS值（10.042 mmol/L）高于RSM提取物（9.560 mmol/L）。

抗增殖活性

ANN-GA提取物在100–200 μg/mL浓度下对A549细胞增殖抑制率显著高于RSM提取物，且呈剂量依赖性，表明其更高效富集了抗癌活性成分（如黄酮类化合物）。

抗氧化活性

ANN-GA提取物在DPPH（208.72 mg TE/g）、FRAP（294.88 mg TE/g）、TAS（10.042 mmol/L）及TPC（705.967 mg GAE/g）、TFC（386.173 mg QE/g）指标上均优于RSM提取物，且氧化应激指数（OSI）更低（0.052），凸显其优越的氧化平衡调控能力。

抗胆碱酯酶活性

ANN-GA提取物对AChE与BChE的IC₅₀值（26.633 μg/mL、47.760 μg/mL）均低于RSM提取物（31.617 μg/mL、56.967 μg/mL），虽弱于阳性对照药加兰他敏（5.320 μg/mL、15.903 μg/mL），但证实其多靶点神经保护潜力。

酚类成分分析

ANN-GA法显著提升了山奈酚（630.06 mg/kg）、咖啡酸（23262.67 mg/kg）等关键酚类含量，但RSM法对白藜芦醇等疏水性成分提取更优，提示方法选择需依目标成分特性调整。

结论与意义

本研究证实ANN-GA模型可通过非线性关系挖掘显著提升杏果生物活性成分的提取效率，其提取物在抗氧化、抗肿瘤及神经保护方面均优于传统RSM法。该策略为植物资源高值化利用提供了人工智能驱动的创新方案，尤其在功能性食品与阿尔茨海默病辅助治疗领域具广阔应用前景。未来需进一步开展体内毒理学、药代动力学及工业放大试验，以推动杏果衍生制剂的临床转化。