响应面法优化酶法制备薏苡仁寡糖工艺研究.docx

文章亮点

（1）?以薏苡仁为原料，将纤维素酶运用于薏苡仁寡糖的提取，与传统热水提取法相比，具有较高得率且条件温和；

（2）?通过单因素试验，构建响应面二次多项式模型，研究各因素间的交互作用，并得出各因子影响程度和最佳提取条件，准确可靠，低耗高效；

（3）?微波-超声波联合辅助提取技术，结合超声与微波单一技术的优点，进一步提升提取效率，为深入研究天然产物的高效提取技术提供了参考依据。

图文介绍

1

实验部分

1.1??主要仪器与试剂

1.2??实验方法

1.2.1??酶解提取薏苡仁寡糖的工艺流程

1.2.2??薏苡仁寡糖含量的测定

1.3??单因素试验设计

称取5g薏苡仁干粉，固定α-淀粉酶添加量0.3g、酶解时间30min、酶解温度50℃，分别采用1:10、1:20、1:30、1:40、1:50、1:60（g/mL）料液比，按1.2.1和1.2.2中的方法提取样品溶液并测定其吸光度，考察不同的料液比对寡糖得率的影响。

1.4??Box-Behnken响应面试验设计

试验设计见表1。

1.5??数据处理

各试验做3次平行，结果取平均值；分别利用DPS7.05、origin2018、DesignExpert8.0软件，对试验数据进行分析，绘图和建立响应面模型。

2结果与讨论

2.1??单因素对测定薏苡仁中寡糖得率的影响

2.1.1??不同料液比对薏苡仁寡糖得率的影响

从图1可以看出，寡糖得率随料液比提升而上升，可能是料液比提高，传质推动力上升，寡糖扩散过程增快[17]；当其超过1:20（g/mL）后，寡糖得率下降并逐渐趋于稳定，这可能由于酶与底物接触机会减少细胞壁降解减弱，寡糖扩散减慢，并且料液比过大也会浪费溶剂不利实际生产以及后续浓缩，所以将料液比控制在1:20（g/mL）最适宜。

2.1.2??不同酶添加量对薏苡仁寡糖得率的影响由图2发现，随着酶添加量的增加，薏苡仁寡糖的得率稳步上升，在酶添加量为0.9g时达到峰值，后寡糖得率呈现下降趋势，水解程度的增加可能使寡糖含量达到饱和状态，小分子低聚糖的水解属于多链式反应，水解到一定程度后低聚糖的水解速度变慢甚至有些低聚糖不能水解[18]，所以α-淀粉酶添加量为0.9g最适宜。

2.1.3??不同酶解时间对薏苡仁寡糖得率的影响

由图3可知，随酶解时间延长，薏苡仁寡糖得率逐步递增，但是当超过100min后，寡糖得率逐渐趋于稳定，时间太短会提取不充分，甚至酶活性没被激活，时间增大薏苡仁颗粒已经充分溶胀，寡糖也得到充分溶出，但是时间的延长，部分溶液中的游离氨基酸可能与寡糖进行美拉德反应，使溶液变深，寡糖得率的得率也会因此受到不好的影响，故酶解时间为100min最适宜。

2.1.4??不同酶解温度对薏苡仁寡糖得率的影响

从图4可知，酶解温度递增的同时，薏苡仁寡糖的得率逐步升高，45℃为峰值，每种酶都有特定的最适温度范围，在此范围内酶活性与温度成正比，进一步促进体系的热运动，寡糖的得率增大，但是温度过高会破温度坏寡糖和酶结构导致酶变性甚至失活，而且温度过高产品的品质也会有所下降，故45℃为最适宜酶解温度。

2.2??响应面法优化薏苡仁寡糖提取的工艺条件

2.2.1??Box-Behnken响应面试验结果

单因素试验分析结果显示，4个因素对薏苡仁寡糖得率均有显著的影响效果。在此基础上，通过响应面探索薏苡仁寡糖提取的最佳条件[20]，响应面试验设计及结果见表2。

2.2.2??模型方差分析

以薏苡仁中寡糖得率为响应值，进行多元回归分析拟合，得到回归方程：Y=33.08-0.10A+0.27B+0.20C+0.38D+1.25×10-4AB-2.575×10-3AC-0.018AD+0.090BC-0.013BD+0.10CD-0.15A2-1.33B2-0.20C2-2.43D2，回归模型方差分析结果见表3。

2.2.3??响应面结果分析

响应面图是由响应值与各因子通过多元线性回归方程构成的曲面图，其坡度可以体现这一因子的作用程度，相互作用曲线越陡峭，则说明该因子对薏苡仁寡糖得率的影响越大，同时对于反应值的改变幅度越大。变量间的交互作用程度可以通过其形状看出，其中椭圆形、马鞍形表示交互作用较强，而圆形则相反，极值存在的条件则在圆心处。

2.2.4??验证试验

通过解回归方程可得最好的提取条件为料液比1:16.41（g/mL）、酶添加量0.91g、酶解时间111.49min、酶解温度45.46℃时，此时薏苡仁寡糖的理论得率为33.1862%。为了验证该回归模型的可靠性，调整实际试验参数为液料比1:16（g/mL）、酶添加量0.9g、酶解时间111min、酶解温度45℃时，重复3次试验，得到得率平均值为33.0092%，与理论值基本一致，说明该模型准确可靠。

3