Modellierung des Mechanismus und Anwendung des Perkolationsprozesses von Salvia miltiorrhiza

Jul 06, 2023

Wissenschaftliche Berichte Band 13, Artikelnummer: 8311 (2023) Diesen Artikel zitieren

125 Zugriffe

Details zu den Metriken

Perkolation ist eine gängige Extraktionsmethode in der Lebensmittelindustrie. In dieser Arbeit wurde am Beispiel der Perkolationsextraktion von Salvianolsäure B aus Salvia miltiorrhiza (Salviae Miltiorrhizae Radix et Rhizoma) das Modell des Perkolationsmechanismus abgeleitet. Der Volumenverteilungskoeffizient wurde entsprechend der Imprägnierung berechnet. Experiment. Der Hohlraum der Bettschicht wurde durch ein Ein-Faktor-Perkolationsexperiment gemessen und der interne Stoffübergangskoeffizient wurde anhand der Parameter berechnet, die durch Anpassung des Imprägnierungskinetikmodells erhalten wurden. Nach dem Screening wurden die Formeln von Wilson und Geankoplis sowie von Koch und Brady verwendet, um den externen Stoffübergangskoeffizienten bzw. den axialen Diffusionskoeffizienten zu berechnen. Nach dem Einsetzen jedes Parameters in das Modell wurde der Perkolationsprozess von Salvia miltiorrhiza vorhergesagt, und das Bestimmtheitsmaß R2 war alle größer als 0,94. Mithilfe einer Sensitivitätsanalyse konnte gezeigt werden, dass alle untersuchten Parameter einen signifikanten Einfluss auf den Vorhersageeffekt hatten. Basierend auf dem Modell wurde der Designraum inklusive der Bandbreite an Rohstoffeigenschaften und Prozessparametern etabliert und erfolgreich verifiziert. Gleichzeitig wurde das Modell auf die quantitative Extraktion und Endpunktvorhersage des Perkolationsprozesses angewendet.

Perkolation ist eine gängige Extraktionsmethode der traditionellen chinesischen Medizin. Im Allgemeinen wird der Extrakt in einen Perkolator gegeben, das Lösungsmittel wird kontinuierlich in den Perkolator gegeben und gleichzeitig wird die Lösung nach der Extraktion gesammelt. Von den 1609 Präparaten, die in der Ausgabe 2020 des Chinesischen Arzneibuchs (Teil I) enthalten sind, umfassten etwa 9,8 % der Präparate den Perkolationsprozess, mit insgesamt 157 Arten1. Die Vorteile der Perkolation bestehen darin, dass die Ausrüstung einfach ist und die Bedienung einfach ist. Der Vorteil der Perkolation zur Extraktion traditioneller chinesischer Medizin besteht darin, dass das Verfahren mild ist, was die Gewinnung thermisch instabiler Komponenten oder Komponenten usw. begünstigt. Der Nachteil besteht darin, dass der Lösungsmittelverbrauch hoch und die Extraktionszeit lang ist2.

Zu den aktuellen Modellierungsmethoden für den Perkolationsprozess gehören statistische Modellierung und mechanistische Modellierung. Die statistische Modellierung ist die am häufigsten verwendete Modellierungsmethode in der Perkolationsprozessforschung.

Cao Hui verwendete das Box-Behnken-Design, um die Auswirkungen der Ethanolkonzentration, der Eintauchzeit und der Perkolationsflussrate auf den Gesamtsaponingehalt und die Gesamtsaponinextraktionsrate des Perkolationsprozesses zu untersuchen. Die Polynommodellierung zweiter Ordnung wurde verwendet, und das Modell wurde weiter zur Optimierung der Prozessparameter3 verwendet. Chen Weilin et al. untersuchten die drei Parameter Ethanolkonzentration, Lösungsmitteldosierung und Perkolationsflussrate im Perkolationsextraktionsprozess von Qixue Shuangbu Tinctura mit einem Box-Behnken-Design und erstellten ein Polynommodell zweiter Ordnung mit der Konzentration der Indexkomponenten und Extrakte als Inspektionsindikatoren, dann optimierte die Parameter4. Die Modellierungsmethode der oben genannten Arbeit ist einfach und die Berechnung ist einfach, der Einfluss der Unterschiede in der Arzneimittelqualität zwischen den Chargen wird jedoch nicht berücksichtigt.

Wang Xiaoyu übernahm die Idee der Feedforward-Steuerung, um die Prozessparameter von Sophora flavescens Alt zu optimieren. und Heterosmilax japonica Kunth-Perkolation. Sie verwendeten ein Polynom zweiter Ordnung, um ein quantitatives Modell aus den Qualitätsinformationen von Rohmaterial, Prozessparametern und Perkolationsprozesseffekten zu erstellen. Anschließend wurden die Qualitätsinformationen neuer Chargen medizinischer Stücke in das Modell eingegeben, damit die optimierten Parameter des Perkolationsprozesses berechnet werden können5. Die Idee besteht darin, die Prozessparameter entsprechend der Schwankung der Qualität des Rohmaterials zwischen den Chargen anzupassen, was zur Stabilisierung der Qualität des Perkolationsextrakts zwischen den Chargen beiträgt. Diese Methode kann den Qualitätsunterschied des Rohmaterials im Modell widerspiegeln, ist jedoch schwierig auf verschiedene Perkolationsgeräte anzuwenden.

Strubes Forschungsgruppe an der TU Clausthal hat sich intensiv mit der Modellierung von Perkolationsprozessmechanismen befasst. Das Perkolationsprozess-Mechanismusmodell wurde entwickelt, um den Perkolationsprozess von Pfefferbeeren und Vanilleschoten zu simulieren, und es wurden gute Vorhersageergebnisse erzielt6. Sie nutzten Rasterelektronenmikroskopie, Raman-/Infrarot-Bildgebung und andere Technologien, um Parameter wie Porosität und Partikelgrößenverteilung der medizinischen Materialien zu untersuchen und zu bestimmen. Und sie maßen den Gehalt der Zielkomponenten in den medizinischen Materialien und die Imprägnierungsgleichgewichtskurve und verwendeten Tracer-Experimente, um den axialen Diffusionskoeffizienten und die Hohlräume der Bettschicht zu bestimmen. Abschließend wurden die oben genannten Parameter für Modellrechnungen verwendet7. Sie verglichen die Wirkung der Verwendung des Fickschen Gesetzes und der Maxwell-Stefan-Gleichung, um die Wirkung der Diffusion im Wasserextraktionsprozess zu simulieren, und stellten fest, dass die durch die Maxwell-Stefan-Gleichung vorhergesagten Daten eine höhere Genauigkeit aufweisen8. Die Forschungsgruppe hat eingehende Untersuchungen zur Mechanismusmodellierung des Perkolationsprozesses durchgeführt. Das etablierte Mechanismusmodell kann die Essenz des Perkolationsprozesses widerspiegeln und hat den Vorteil, dass es auf verschiedene Chargen medizinischer Materialien und verschiedene Geräte anwendbar ist, was zur Verbesserung des Verständnisses des Produktionsprozesses beiträgt. Allerdings sind die Messmethoden für Parameter wie Partikelgröße und Schichthohlraum der medizinischen Materialien relativ kompliziert und die Anforderungen an Instrumente und Ausrüstung relativ hoch.

Salvia miltiorrhiza (Salviae Miltiorrhizae Radix et Rhizoma) ist ein häufig verwendetes chinesisches Arzneimittel zur Förderung der Durchblutung und zur Beseitigung von Blutstauungen. Es hat ein breites Spektrum an pharmakologischen Wirkungen und wird hauptsächlich zur Behandlung von unregelmäßiger Menstruation, Herzklopfen, Schlaflosigkeit und verschiedenen Herz-Kreislauf-Erkrankungen, insbesondere Angina pectoris und Myokardinfarkt, eingesetzt9. Sein wasserlöslicher Wirkstoff Salvianolsäure B (SAB) wird bei hohen Temperaturen leicht abgebaut10. Daher ist es besser geeignet, SAB durch Perkolation zu extrahieren. In dieser Arbeit wurde am Beispiel der Perkolation und Extraktion von Salvia miltiorrhiza die Prozessmechanismus-Modellierungsforschung des Perkolationsprozesses durchgeführt. Die Methode der Parametermessung und -berechnung wurde diskutiert, der Designraum der Parameter wurde durch Berechnung unter Verwendung des etablierten Mechanismusmodells ermittelt und die quantitativen Extraktions- und Endpunktkontrollmethoden wurden vorgeschlagen, die mit neuen Chargen medizinischer Materialien verifiziert wurden.

Die Quellen verschiedener Salvia miltiorrhiza sind in Tabelle 1 aufgeführt. Die SAB-Referenzsubstanz (Chargennummer: 200602, Reinheit ≥ 98 %) wurde von Shanghai Winherb Pharmaceutical Technology Development geliefert. Acetonitril in HPLC-Qualität und Methanol in HPLC-Qualität wurden von Merck (Darmstadt, Deutschland) bezogen. Für die beschriebenen Feldstudien waren keine besonderen Genehmigungen erforderlich. Die Sammlung von Pflanzenmaterial und die Durchführung experimenteller Untersuchungen an solchen Pflanzen entsprachen den nationalen Richtlinien Chinas. Die Chargen D1 bis D4 wurden für den Modellbau und die Modellanpassung verwendet, die Chargen D5 für die Modellvalidierung.

Salvia miltiorrhiza wird mit einer Mühle für medizinisches Material (DFY-200, Wenling Linda Machinery Co., Ltd.) zerkleinert. 15,0 g Salvia miltiorrhiza-Pulver wurden in einen Erlenmeyerkolben gegeben und 90,0 g hochreines Wasser (Milli-Q, Millipore) hinzugefügt. Als Variablen wurden die Charge der Heilkräuter und die Partikelgröße der chinesischen Medizintabletten verwendet und mehrere Versuchsgruppen parallel durchgeführt. Die Imprägnierung wurde jeweils zu unterschiedlichen Zeitpunkten beendet. Zur Gewinnung von Salvia miltiorrhiza-Extrakt wurde eine Filtration durchgeführt. Der SAB im Extrakt von Salvia miltiorrhiza wurde durch Hochleistungsflüssigkeitschromatographie (HPLC) (1100 System, Agilent Technologies) nachgewiesen. Die gemessenen Imprägnierungskinetikkurven wurden jeweils durch die Formeln (1)–(3) angepasst.

Kinetisches Modell erster Ordnung11:

Dabei steht C für die Konzentration, \({C}_{eq}\) für die Konzentration von SAB in Lösung im Immersionsgleichgewicht, k für die Gesamtextraktionsgeschwindigkeitskonstante und \(t\) für die Zeit.

Pelegs Modell12:

wobei k1 die Geschwindigkeitskonstante von Peleg und k2 die Kapazitätskonstante von Peleg darstellt.

Broadcast-Modell13:

wobei Deff den scheinbaren Diffusionskoeffizienten und \(r\) den medizinischen Partikelradius darstellt. In dieser Arbeit werden nur die ersten drei Elemente der unendlichen Summierung berücksichtigt.

Die Schritte der Ultraschall-Extraktionsmethode sind wie folgt1. 0,15 g Salvia miltiorrhiza-Pulver (durch ein Sieb Nr. 3 gegeben) wurden genau abgewogen und in einen Erlenmeyerkolben mit Deckel gegeben. 50 ml einer Methanol-Wasser-Mischlösung (8:2, Vol./Vol.) wurden genau zugegeben und gewogen. Nach 30-minütiger Ultraschallbehandlung (50 W, 40 kHz) und Abkühlen wurde die Methanol-Wasser-Mischlösung (8:2, Vol./Vol.) erneut gewogen und das Lösungsvolumen auf 50 ml eingestellt. Nach dem Filtrieren wurde die SAB-Konzentration im Filtrat durch HPLC bestimmt.

Die Schritte der Mehrfachimprägniermethode sind wie folgt. 20,0 g Salvia miltiorrhiza-Pulver mit einer bestimmten Partikelgröße wurden in einen Erlenmeyerkolben gegeben und mit etwa dem 20-fachen Wasseranteil versetzt. Dieser Erlenmeyerkolben wurde 2 Stunden lang in einen thermostatischen Wasserbadoszillator (ZBR-CD-19, Shanghai Lichen Bangxi Instrument Technology Co., Ltd.) bei 25 °C gestellt. Nach der Filtration wurde das Filtrat gesammelt. Zur Imprägnierung wurde 2 Stunden lang die 10-fache Menge Wasser zu den medizinischen Materialien in den Erlenmeyerkolben gegeben. Dieser Schritt wurde dreimal wiederholt. Abschließend wurde der SAB-Gehalt in der letzten Imprägnierlösung mittels HPLC bestimmt. Alle Filtrate wurden zusammen integriert. Anschließend wurde das Filtratvolumen bestimmt und zusätzlich der SAB-Gehalt im Filtrat mittels HPLC bestimmt.

Salvia miltiorrhiza-Pulver und Wasser mit unterschiedlichen Feststoff-Flüssigkeits-Verhältnissen wurden in Erlenmeyerkolben gegeben und 18 Stunden lang in einen thermostatischen Wasserbad-Oszillator bei 25 °C gestellt. Dann wurde die Mischung mit Gaze filtriert, um den Extrakt von den medizinischen Materialien zu trennen, und die Qualität der medizinischen Materialien sowie die Qualität und das Volumen des Extrakts wurden jeweils gemessen. Der SAB-Gehalt im Extrakt wurde durch HPLC bestimmt und der Volumenverteilungskoeffizient der medizinischen Materialien wurde anhand der Formeln (4)–(6) berechnet.

Nach dem Massenerhaltungssatz können wir folgendes Ergebnis erhalten:

Dabei ist V das Volumen, \(C\) die Konzentration und die Indizes w und s beziehen sich auf Lösungen bzw. medizinische Materialien. M0 ist der SAB-Gehalt von Salvia miltiorrhiza und m ist die medizinische Masse.

Es wird davon ausgegangen, dass das Innere der Arzneimittelpartikel gleichmäßig ist und die SAB-Konzentration innerhalb der Arzneimittelkörnchen und der Außenfläche des Arzneimittels in einem linearen Zusammenhang steht. Wenn das kinetische Gleichgewicht erreicht ist, wurde davon ausgegangen, dass die Konzentration der Oberflächenlösung des medizinischen Materials der Konzentration der gesamten Lösung entspricht. Daher lautete die Formel zur Berechnung des Volumenverteilungskoeffizienten (\({D}_{is}\)) wie folgt:

Daher wurde die endgültige Berechnungsformel von \({D}_{is}\) in Gleichung gezeigt. (6):

Salvia miltiorrhiza wurde zerkleinert und dann durch unterschiedlich große Maschen geleitet. Ein bestimmter Maschenbereich (der Partikelgrößenbereich von Salvia miltiorrhiza-Pulver wurde unten im Bereich der Maschenweite ausgedrückt) des Salvia miltiorrhiza-Pulvers wurde mit etwa der sechsfachen Menge Wasser imprägniert. Nachdem es vollständig gequollen war, wurde es in einen Perkolationszylinder mit einem Durchmesser von 5 cm gegeben und 12 Stunden lang eingetaucht. Anschließend wurde Wasser als Lösungsmittel verwendet und die Perkolation mit einer bestimmten Flussrate durchgeführt (Peristaltikpumpe, BL100, Changzhou Vesil Fluid Technology Co., Ltd.). Die Perkolationslösung wurde zu verschiedenen Zeitpunkten gesammelt und mittels HPLC bestimmt, um die Kurve des Perkolationsprozesses zu erhalten. Gemäß den Versuchsbedingungen in Tabelle 2 wurde das Einzelfaktor-Perkolationsexperiment von Salvia miltiorrhiza durchgeführt.

Die Analysen wurden auf einer Agilent Extend-C18-Säule (5 μm, 4,6 × 250 mm) durchgeführt, wobei die Säulentemperatur auf 25 °C geregelt wurde; Die Lösungsmittelflussrate wurde bei 1 ml/min gehalten, während das Probeninjektionsvolumen auf 5 μl eingestellt wurde. Die Detektionswellenlänge betrug 281 nm. Die mobile Phase bestand aus Lösungsmittel A (0,1 % (v/v) Ameisensäure in Wasser) und Lösungsmittel B (Acetonitril). Die Lösungsmittelgradienten waren wie folgt: 0–10 Min. 7–17 % B, 10–16 Min. 17–21 % B, 16–32 Min. 21–21 % B, 32–40 Min. 21–29 % B, 40–44 min. 29–35 % B, 44–50 min. 35–72 % B, 50–55 min. 72–30 % B. Das erhaltene typische Chromatogramm ist in Abb. 1 dargestellt.

Flüssigkeitschromatographie von SAB. (a) Chromatogramm der SAB-Referenzsubstanz; (b) Chromatogramm der Perkolationslösungsprobe von Salvia miltiorrhiza.

Der Ableitungsprozess bezieht sich auf den Stofftransferprozess in der Säulenchromatographie15. Nehmen Sie zur Analyse ein verschwindend kleines Element an Mikroelementen aus der Perkolationskolonne, wie in Abb. 2 dargestellt.

Schematische Darstellung des Stoffübergangs in einer Perkolationskolonne. (a) Diagramm der Perkolationsvorrichtung; (b) Schematische Darstellung der Perkolation. (h ist die Höhe der Perkolationssäule, u0 ist die Durchflussrate, Dax ist die axiale Diffusionsfähigkeit, Kx ist der Stoffübergangskoeffizient, \({C}_{w}^{*}\) ist die Konzentration der Inhaltsstoffe auf der Außenseite Oberfläche von Arzneimittelpartikeln).

Wie in Abb. 2b dargestellt, wurde die Änderung der SAB-Konzentration für ein infinitesimales Element in der Perkolationskolonne zur Durchführung einer konstanten Materialberechnung durch drei Faktoren beeinflusst: Lösungsmittelfluss, axiale Diffusion und Stoffübergang. Nach dem Prinzip der Massenerhaltung kann Formel (7) erhalten werden.

Dabei ist ε die Bettporosität und \(a\) die spezifische Oberfläche der medizinischen Partikel. Unter der Annahme, dass die Partikel des medizinischen Materials ideal kugelförmig sind, lautet die Formel zur Berechnung der spezifischen Oberfläche:\(a=\frac{3}{r}\). Daher kann Formel (7) in Formel (8) umgewandelt werden.

Die Ausgangsbedingung der obigen Formel lautet: Die Konzentration der wässrigen Phase ist vor Eintritt in die Perkolationskolonne konstant. Wir können Formel (9) erhalten.

Die Randbedingungen sind: Die Konzentration der Wasserphase ändert sich nach dem Verlassen der Sickersäule nicht. Wir können Formel (10) erhalten.

In ähnlicher Weise ändert sich für die Analyse der Phase des medizinischen Materials in einem verschwindend kleinen Element der Perkolationskolonne die Konzentration von SAB in den Granulatkörnchen des medizinischen Materials in die Konzentration, die durch Stoffaustausch zwischen den Phasen in die Wasserphase gelangt. Wir können Formel (11) erhalten.

Unter der Annahme, dass das Innere der Arzneimittelpartikel einheitlich ist, ist die Fest-Flüssigkeits-Gleichgewichtsbeziehung eine einfache lineare Beziehung. Daher können wir Formel (12) erhalten.

Von oben können wir die Formel (13) erhalten.

Gemäß den oben genannten Formeln wird die Matlab-Software verwendet, um ein Perkolationsmodell zu erstellen, um den Perkolationsprozess vorherzusagen. Um den Vorhersageeffekt des Modells zu bewerten. Zur Bewertung des Modells wurde das Bestimmtheitsmaß R2 gewählt. Die Formel für das Bestimmtheitsmaß R2 lautet wie folgt:

wobei \({y}_{i}\) der gemessene Wert von i Punkt in der Perkolationskurve ist, \(\overline{{y }_{i}}\) der Durchschnittswert der gemessenen Werte aller Punkte auf der Perkolationskurve, \(\widehat{{y}_{i}}\) ist der vorhergesagte Wert des i-Punkts in der Perkolationskurve, j ist die Anzahl der Punkte.

Zum Schreiben des Programms und Berechnen des Designraums wurde die Matlab-Software (MathWorks, 2018b) verwendet. Das Berechnungsflussdiagramm ist in Abb. 3 dargestellt. Bei den Designraumberechnungen wurden Parameterstörungen berücksichtigt. Vor dem Einsetzen einer Parameterkombination in die Perkolationsformel zur Berechnung wurde ein Zufallswert innerhalb eines bestimmten Bereichs zum eingestellten optimierten Parameterwert hinzugefügt, um die Parameterstörung zu simulieren, die bei der tatsächlichen Produktion entsteht. Nach n-maliger Berechnung der Parameterkombination kann das erhaltene Ergebnis als die Ergebnisgruppe betrachtet werden, die durch die Parameterkombination unter verschiedenen Fehlern erzeugt werden kann. Durch den Vergleich der Werte in der Ergebnisgruppe mit dem eingestellten Zielbereich kann die Wahrscheinlichkeit ermittelt werden, mit der die Ergebnisse das Ziel in der Ergebnisgruppe erreichen können, also die Wahrscheinlichkeit, das Ziel zu erreichen. Verschiedene Parameterkombinationen wurden berechnet, um die Wahrscheinlichkeit des Erreichens des Standards jeder Parameterkombination zu erhalten, und der Bereich der Parameterkombinationen, der höher als die festgelegte Wahrscheinlichkeit des Erreichens des Standards ist, wird als Entwurfsraum betrachtet.

Flussdiagramm zur Berechnung des Bauraums.

Die Imprägnierungskinetikkurven von Salvia miltiorrhiza mit vier Partikelgrößen von 5–10, 10–24, 24–50 und 50–65 Mesh in drei Chargen D1, D2 und D3 wurden gemessen. Die kinetischen Kurven der Imprägnierung sind in Abb. 4 dargestellt. Aus Abb. 4c und (d) ist ersichtlich, dass das Imprägnierungsgleichgewicht innerhalb von 5 Minuten erreicht wurde, wenn die Partikelgröße der Salvia miltiorrhiza-Arzneimittelstücke klein war. Dies kann folgende zwei Gründe haben. Erstens wurden bei kleineren medizinischen Materialpulvern beim Pulverisierungsprozess mehr Zellwände zerstört, was den Stoffübergangswiderstand verringerte. Zweitens vergrößerte die kleinere Partikelgröße des medizinischen Materials seine Oberfläche für den Stoffaustausch. Gleichzeitig vergrößerte sich die spezifische Oberfläche des Arzneistoffs, was ebenfalls die Diffusion des Wirkstoffs begünstigte. Aus Abb. 4a, b ist ersichtlich, dass die SAB-Konzentration zunächst anstieg, wenn die Partikelgröße der Salvia-Arzneimittelstücke größer war, und dann nach einer bestimmten Zeitspanne allmählich dazu neigte, ein Gleichgewicht zu erreichen. Der Gehalt an Wirkstoffen in Arzneimitteln aus verschiedenen Quellen war sehr unterschiedlich, und daher war auch die Konzentration des Extrakts unterschiedlich, wenn sie im Gleichgewicht waren. Insgesamt kann das Imprägnierungsgleichgewicht in relativ kurzer Zeit erreicht werden, und selbst medizinische Materialien mit einer Maschenweite von 5–10 Mesh können grundsätzlich innerhalb von 5 Stunden das Imprägnierungsgleichgewicht erreichen.

Kinetische Kurve der Imprägnierung. (a) 5–10 Mesh; (b) 10–24 Maschen; (c) 24–50 Mesh; (d) 50–65 Maschen (offenes rotes Quadrat steht für D1, offener grüner Kreis steht für D2, offenes blaues Dreieck steht für D3, – steht für die Anpassungskurve des Diffusionsmodells).

Da sich die medizinischen Materialien mit 24–50 Mesh und 50–65 Mesh schnell ausbalancieren, wurden für die Anpassung des kinetischen Modells nur die medizinischen Materialien mit 5–10 Mesh und 10–24 Mesh verwendet. Die Ergebnisse der kinetischen Modellanpassung der drei Chargen medizinischer Materialien sind in Tabelle 3 dargestellt. Aus Tabelle 3 ist ersichtlich, dass für die Imprägnierungskurven von Salvia miltiorrhiza mit unterschiedlichen Chargen und unterschiedlichen Partikelgrößen der Anpassungseffekt jedes kinetischen Modells relativ war gut, und der von den meisten Anpassungen erhaltene R2 war größer als 0,90, wobei das Diffusionsmodell den besten Anpassungseffekt hatte. Tatsächlich können wir feststellen, dass der durchschnittliche R2 des Peleg-Modells und des Diffusionsmodells relativ nahe beieinander liegt, was darauf hindeutet, dass beide Modelle gut zu kinetischen Kurven passen können. Da jedoch die physikalische Bedeutung der Parameter des Diffusionsmodells expliziter ist (wobei \({D}_{eff}\) der scheinbare Diffusionskoeffizient ist), wurde schließlich das Diffusionsmodell ausgewählt. Die aus der Anpassung erhaltene Kurve ist in Abb. 4 dargestellt, und die aus der Anpassung erhaltenen Parameterwerte sind in Tabelle 4 dargestellt. Es ist ersichtlich, dass die Anpassungsparameter derselben Charge medizinischer Materialien mit unterschiedlichen Partikelgrößen relativ nahe beieinander lagen. Dies deutete darauf hin, dass die Charge der medizinischen Materialien ein wichtiger Faktor ist, der den Mazerationsprozess beeinflusst.

Gemäß Tabelle 2 sind die erhaltenen Ergebnisse des Einzelfaktor-Perkolationsversuchs in Abb. 5 dargestellt. Aus Abb. 5 ist ersichtlich, dass bei größerer Partikelgröße der Diffusionswiderstand der Komponenten in den medizinischen Partikeln relativ groß war. Daher war die Diffusionsrate von SAB langsam, die Konzentration der Perkolationskurve nahm langsamer ab und die zum Erreichen der gleichen Zielausbeute erforderliche Zeit war länger. Wenn die Perkolationsflussrate größer war, nahm die Konzentration der Perkolationskurve schneller ab und die Extraktionsgeschwindigkeit war höher. Die Masse des medizinischen Materials beeinflusste hauptsächlich die endgültige SAB-Ausbeute, hatte jedoch keinen offensichtlichen Einfluss auf die abnehmende Geschwindigkeit der Perkolationskurve. Für verschiedene Chargen von Salvia miltiorrhiza gilt: Je höher der SAB-Gehalt pro Masseneinheit, desto höher die Endausbeute. Dies zeigte, dass der Perkolationsprozess von Salvia miltiorrhiza durch mehrere Faktoren beeinflusst wurde.

Die Perkolationskurve von Salvia miltiorrhiza unter verschiedenen Bedingungen. (a) Perkolationsfluss; (b) Stückgröße; (c) Dosierung medizinischer Materialien; (d) Charge medizinischer Materialien (Punkt stellt experimentellen Wert dar, — stellt prädiktiven Wert dar).

In dieser Arbeit wurde der SAB-Gehalt in Salvia miltiorrhiza durch Ultraschallextraktion und mehrere Imprägnierungsmethoden bestimmt. Der SAB-Gehalt in einigen Chargen medizinischer Materialien, gemessen mit der Ultraschallextraktionsmethode und der Mehrfachtauchmethode, ist in Tabelle 5 aufgeführt. Die Ergebnisse der Ultraschallextraktionsmethode und der Mehrfachimprägnierungsmethode unterschieden sich kaum. Im Vergleich zur Mehrfachimprägnierungsmethode war die Ultraschallextraktionsmethode einfacher und weniger zeitaufwändig. Daher wurde der SAB-Gehalt in Salvia miltiorrhiza mittels Ultraschallextraktionsverfahren bestimmt. Aus den Messergebnissen geht hervor, dass der Gehalt an SAB in verschiedenen Chargen medizinischer Materialien stark variiert, die Partikelgröße jedoch kaum einen Einfluss auf die maximale Extraktionsmenge an SAB hatte. Dies deutet darauf hin, dass wir bei längerer Extraktionszeit immer noch einen zufriedenstellenden Extraktionseffekt erzielen können, ohne kleinere Partikelgrößen zu verwenden.

Gemäß Formel (3) wurde der Dis von verschiedenen Chargen von Salvia miltiorrhiza mit unterschiedlichen Partikelgrößen berechnet, wie in Tabelle 6 gezeigt. Aus Tabelle 6 ist ersichtlich, dass der Dis von SAB in verschiedenen Chargen und unterschiedlichen Partikelgrößen von Salvia miltiorrhiza in Die Tauchstufen waren ähnlich und lagen grundsätzlich zwischen 1,1 und 1,35. Es gab eine gewisse Lücke im Dis von Arzneimitteln zwischen verschiedenen Chargen, der Durchschnittswert liegt jedoch zwischen 1,15 und 1,30. Bei unterschiedlichen Partikelgrößen in derselben Charge nahm der Dis-Wert mit abnehmender Partikelgröße leicht zu. Bei gleicher Partikelgröße in derselben Charge war der Gesamtunterschied des Dis von medizinischen Materialien, gemessen anhand unterschiedlicher Fest-Flüssigkeits-Verhältnisse, gering. Aufgrund der geringen Änderung des Dis betrug zur Vereinfachung der Modellparameter der Durchschnittswert des Dis jeder Charge von medizinischen Materialien mit 10–24 Mesh 1,21, um den Dis-Wert des nachfolgenden Perkolationsprozesses vorherzusagen.

Gemäß den imprägnierungskinetischen Daten in 3.1 war die Zeit bis zum Erreichen des Gleichgewichts während der Imprägnierung von Salvia miltiorrhiza relativ kurz, und die anfängliche Zeit der dynamischen Perkolation kann als Imprägnierungsgleichgewichtszeit angesehen werden. Daher kann Formel (15) gemäß den Formeln (4) und (5) abgeleitet und berechnet werden. Der vorhergesagte Wert \({C}_{w}^{0}\) zum Anfangszeitpunkt des Einfaktorexperimentes der Perkolation wurde erhalten. Gleichzeitig wurde der relative Fehler RE seiner Vorhersage gemäß Formel (16) berechnet.

Der experimentelle Wert und der vorhergesagte Wert zum Anfangszeitpunkt des Einzelfaktor-Perkolationsexperiments, vorhergesagt durch Formel (15), sind in Abb. 6 dargestellt, und der RE-Wert betrug 5,8 %. Insgesamt unterschied sich der vorhergesagte Wert der SAB-Konzentration zu Beginn der Perkolation nicht wesentlich vom tatsächlichen Wert und der relative Fehler betrug weniger als 10 %, was darauf hinweist, dass die Vorhersagemethode machbar war. Obwohl die medizinischen Materialien in die Perkolationssäule eingetaucht waren und nicht wie beim Eintauchkinetiktest geschüttelt werden konnten, wurde aufgrund der langen Eintauchzeit grundsätzlich ein Fest-Flüssigkeits-Gleichgewicht erreicht.

Vorhergesagte und experimentelle Werte der Auslasskonzentration zum Anfangszeitpunkt des Einzelfaktor-Perkolationsexperiments.

In dieser Studie wurden verschiedene Siebtypen verwendet, um die Partikelgröße des chinesischen Arzneimittelpulvers zu unterscheiden. Daher wurde entsprechend der Maschenweite der Durchschnittswert des Maschendurchmessers der Maschen als Partikelgröße des medizinischen Materials verwendet, die 0,3 cm (5–10 Maschen), 0,1425 cm (10–24 Maschen) betrug. , 0,0603 cm (24–50 Mesh). Nach der Perkolation wurde das Wasser in der Perkolationssäule durch Filtration gewonnen, das Volumen gemessen und das Verhältnis des Wassers zum Gesamtvolumen der Perkolationssäule als Hohlraum der Bettschicht angesehen. Zur Vorhersage der Versickerungskurve muss die Gesamthöhe H der Versickerungssäule bekannt sein. Daher wurde gemäß den neun Gruppen von Einzelfaktorexperimenten in Tabelle 2 der Ausdehnungskoeffizient α des medizinischen Materials (das Volumen des medizinischen Materials pro Gewichtseinheit, nachdem das medizinische Material vollständig gequollen war) berechnet. Das Volumen im Perkolationszylinder nach dem Quellen und sagt dann grob die Gesamthöhe H der Perkolationssäule während der Perkolation voraus. Unter diesen wird der Ausdehnungskoeffizient medizinischer Materialien durch die Formel (17) berechnet.

wobei d den Durchmesser des Sickerrohrs darstellt. H wurde durch Formel (18) berechnet.

Die ε und α der medizinischen Materialien, die im Ein-Faktor-Perkolationsexperiment gemäß Tabelle 2 gemessen wurden, sind in Tabelle 7 dargestellt. Aus Tabelle 7 ist ersichtlich, dass sich die ε bei verschiedenen Chargen und Versuchsbedingungen nicht wesentlich unterschieden lag bei etwa 0,3–0,4 und das α liegt meist zwischen 3,5 und 4,5. Um die Berechnung zu vereinfachen, wurden sowohl der Hohlraum als auch der Ausdehnungsverhältniskoeffizient medizinischer Materialien als Durchschnittswerte angenommen, die jeweils 0,37 und 3,81 betrugen, und in der anschließenden Vorhersageberechnung als feste Werte festgelegt.

Aus der Analyse in Abb. 2 ist ersichtlich, dass das Auslaugen von Bestandteilen in Salvia miltiorrhiza hauptsächlich zwei Schritte umfasst: Der eine war der Massentransfer vom Inneren des medizinischen Materials zur Oberfläche des medizinischen Materials und der andere die Diffusion von der Oberfläche des medizinischen Materials bis zur Lösung. Daher kann der Stoffübergangskoeffizient (Kx) bei der Berechnung in den inneren Stoffübergangskoeffizienten (kint) und den äußeren Stoffübergangskoeffizienten (kext) unterteilt werden. Die Berechnungsformel wurde als Formel (19)16 aufgeführt.

Die Formel zur Berechnung des internen Stoffübergangskoeffizienten ist in Formel (20)16 dargestellt. Der Wert von Deff kann anhand des \(\frac{{D}_{eff}}{{r}^{2}}\)-Werts des Salvia miltiorrhiza-Eintauchens durch Anpassen berechnet werden. Der durchschnittliche Deff-Wert bei 5–10 Maschen betrug 1,073 × 10–8 m2/min, und der durchschnittliche Deff-Wert bei 10–24 Maschen betrug 1,104 × 10–8 m2/min. Die beiden Werte waren ähnlich und aufgrund der Einfachheit der Berechnung kann der Durchschnitt mit 1,089 × 10–8 m2/min angenommen werden.

Es gab viele Berichte über den externen Stoffübergangskoeffizienten. Für die Probeanpassung wurden mehrere weit verbreitete Stoffübergangskoeffizientenformeln ausgewählt, die in Tabelle 8 aufgeführt sind, und daraus wurde die geeignetere Formel für den externen Stoffübergangskoeffizienten ausgewählt.

In der Tabelle war Sh die Sherwood-Zahl, die mit der Formel (21) berechnet wurde. Sc war die Schmidt-Zahl, die mit der Formel (22) berechnet wurde. Re war die Reynolds-Zahl, die mit der Formel (23) berechnet wurde.

hier war ρ die Lösungsdichte, μ der Viskositätskoeffizient.

Dm war der molekulare Diffusionskoeffizient des gelösten Stoffes, dessen Berechnungsmethode im Zusatzmaterial zu sehen ist. Das Berechnungsergebnis betrug 5,83 × 10–10 m2/s.

Für die Berechnung wurde Matlab verwendet, und die Berechnungsergebnisse von neun Gruppen von Einzelfaktor-Perkolationsexperimenten mit unterschiedlichen Berechnungsformeln für Kext sind in Tabelle 9 aufgeführt.

Wie in Tabelle 9 gezeigt, waren die Werte der Stoffübergangskoeffizienten, die mit verschiedenen Formeln berechnet wurden, sehr unterschiedlich und die Größenordnung reicht von 10–3 bis 10–5 m/min. Unter diesen berechnete die Formel von Wilson und Geankoplis den größten Wert und die Formel von Wakao und Funazkri den kleinsten Wert. Als die neun Gruppen von Einzelfaktorexperimenten mit derselben Formel berechnet wurden, gab es keinen signifikanten Unterschied in den experimentellen Werten der fünf Gruppen E1–E3, E8 und E9, was die Charge der medizinischen Materialien und die Qualität der Arzneimittel bewies Materialien hatten keinen großen Einfluss auf den Kext. Die experimentellen Ergebnisse der Gruppen E1, E4 und E5 zeigten, dass der Wert von Kext mit zunehmender Perkolationsflussrate zunimmt. Die experimentellen Ergebnisse von E1, E6 und E7 zeigten, dass der Kext mit abnehmender Partikelgröße zunahm. Es wurde nachgewiesen, dass die Perkolationsdurchflussrate und die Partikelgröße der medizinischen Stücke die Hauptfaktoren waren, die den Kext beeinflussten. Die Berechnung des Dax erfolgte mit der Formel in Tabelle 10.

Die Berechnungsformel der Peclet-Zahl (Pe) wurde in Formel (24) gezeigt.

Die Berechnungsergebnisse von neun Gruppen von Einzelfaktor-Perkolationsexperimenten unter Verwendung unterschiedlicher Berechnungsformeln für den axialen Diffusionskoeffizienten sind in Tabelle 11 aufgeführt.

Aus Tabelle 11 ist ersichtlich, dass der mit der Athayle-Formel berechnete Dax größer war und die Berechnungsergebnisse der anderen vier Formeln ähnlich waren, alle innerhalb der Größenordnung von 10–5–10–6. Aus den Berechnungsergebnissen von neun Gruppen von Einzelfaktorexperimenten unter Verwendung derselben Formel geht hervor, dass die Dax-Werte der fünf Gruppen E1, E2, E3, E8 und E9 ähnlich waren, was darauf hindeutet, dass die Qualität des medizinischen Materials und der Charge von Medizinische Materialien hatten unterschiedliche Dax, deren Wirkung relativ gering war. Allerdings waren die Dax-Werte der drei Versuchsgruppen E1, E4 und E5 unterschiedlich. Mit der Erhöhung der Perkolationsdurchflussrate stieg der Dax. Die Dax-Werte der drei Versuchsgruppen E1, E6 und E7 stiegen mit zunehmender Partikelgröße der Arzneistücke. Zusammenfassend zeigte sich, dass die Perkolationsflussrate und die Partikelgröße der medizinischen Stücke einen relativ großen Einfluss auf den Dax hatten.

Um den geeigneten Kext und Dax weiter zu prüfen, wurden die Formeln verschiedener Kext und Dax paarweise kombiniert und zur Vorhersage in neun Gruppen von Einzelfaktor-Perkolationsexperimenten eingesetzt. Der in neun Versuchsgruppen für verschiedene Formelkombinationen erhaltene durchschnittliche R2 ist in Tabelle 12 dargestellt.

Wie in Tabelle 12 gezeigt, war das in der Tabelle erhaltene angepasste Ergebnis R2 der Durchschnittswert des angepassten R2 von neun Gruppen von Einzelfaktor-Perkolationsexperimenten. Die Kombination aus Wilson und Geankoplis sowie der Koch- und Brady-Formel war für den Kint im Salvia miltiorrhiza-Perkolationsexperiment und die Berechnung des Dax besser geeignet.

Die Berechnungsergebnisse der oben genannten verschiedenen Parameter wurden in neun Gruppen von Salvia miltiorrhiza-Einzelfaktor-Perkolationsexperimenten eingesetzt. Die Ergebnisse sind in Abb. 5 dargestellt. Die vorhergesagten Kurven ähnelten den tatsächlichen Kurven und R2 war größer als 0,94, was bewies, dass das etablierte Mechanismusmodell einen guten Vorhersageeffekt hatte und zuverlässiger war.

Um den Einfluss von Messfehlern verschiedener Parameter auf den endgültigen Vorhersageeffekt zu messen, wurde in dieser Studie eine Sensitivitätsanalyse von Perkolationsparametern durchgeführt, darunter r, ε, Dis, kint, kext, Dax. Am Beispiel der aus dem E1-Perkolationsexperiment erhaltenen Parameterwerte sind die Messwerte verschiedener Parameter und die eingestellten Fehlerbereiche in Tabelle 13 aufgeführt. Die Sensitivitätsanalyse wurde mit Matlab durchgeführt und 10.000 Simulationen wurden für den Perkolationsprozess von Salvia durchgeführt Miltiorrhiza. Während der Simulation wurden die Mess- oder Berechnungsfehler innerhalb des in Tabelle 13 gezeigten Bereichs zufällig generiert, und der Perkolationsprozess von Salvia miltiorrhiza wurde anhand dieser zufälligen experimentellen Fehler vorhergesagt.

Das Streudiagramm zwischen jedem Prozessparameter und R2 ist in Abb. 7 dargestellt, und die Korrelationskoeffizientenwerte sind in Tabelle 14 dargestellt. In Abb. 7a–f war das Verteilungsgesetz der Streupunkte in Abb. 7f am offensichtlichsten. Der obere Rand des Streudiagramms war glatt, was darauf hindeutet, dass Dis den größten Einfluss auf R2 hatte. Wenn Dis zwischen 1,0 und 1,2 lag, war R2 am höchsten und der Variationsbereich klein. Wenn Dis zwischen 1,2 und 1,3 lag, nahm R2 mit zunehmendem Dis ab.

Ergebnisse der Sensitivitätsanalyse.

Aus Tabelle 14 ist ersichtlich, dass die Korrelationskoeffizienten zwischen den fünf Parametern r, ε, Dis, kint, kext, Dax und R2 der angepassten Ergebnisse alle signifikant waren (P-Wert < 0,01). Die Korrelationskoeffizienten zwischen den drei Parametern ε, kext, Dis und R2 waren alle negative Zahlen, was darauf hinweist, dass R2 größer war, wenn die gemessenen Werte von ε, kext, Dis kleiner waren. Der Korrelationskoeffizient zwischen den drei Parametern r, Dax, kint und R2 war ein positiver Wert, was darauf hinweist, dass R2 größer war, wenn die gemessenen Werte von r, Dax, kint größer waren. Unter den sechs Parametern lagen die absoluten Werte der relativen Koeffizienten von r, ε, kint, kext, Dax alle zwischen 0,1 und 0,2, während der absolute Wert des relativen Koeffizienten von Dis 0,8 erreichte, was darauf hinweist, dass Dis einen großen Wert hatte Einfluss auf R2.

Der Bauraum wurde berechnet. Der Bewertungsindex wurde so festgelegt, dass die Endkonzentration der Perkolation weniger als 0,1 mg/g betrug und die Ausbeute an SAB mehr als 1700 mg betrug. Gemäß den vorherigen experimentellen Ergebnissen wurden einige experimentelle Parameter in der Berechnung des Designraums festgelegt, der Ausdehnungskoeffizient medizinischer Materialien wurde auf 3,81 festgelegt, der Hohlraum der Bettschicht wurde auf 0,37 festgelegt und der Volumenverteilungskoeffizient wurde auf 1,21 festgelegt. Die Eigenschaften der medizinischen Materialien, der Parameterbereich und der Parameterstörungsbereich während der Berechnung sind in Tabelle 15 aufgeführt. Jeder Versuchspunkt wurde 100 Mal wiederholt berechnet, um die Wahrscheinlichkeit des Erreichens des Standards zu berechnen. Wenn die Wahrscheinlichkeit, den Standard zu erreichen, 0,9 übersteigt, wird davon ausgegangen, dass die Kombination von Eigenschaften und Parametern des medizinischen Materials im Designbereich liegt. Der Gestaltungsraum wurde anhand der Eigenschaften der medizinischen Materialien (Partikelgröße der medizinischen Stücke und Gehalt an SAB) und der Prozessparameter (Perkolationsflussrate, Dosierung der medizinischen Materialien) berechnet, wie in Abb. 8 dargestellt.

Designraumdiagramm. (a) Arzneimittelmasse = 50,0 g; SAB-Gehalt in Salvia miltiorrhiza = 45 mg/g. (b) Perkolationsfluss = 2 ml/min; SAB-Gehalt in Salvia miltiorrhiza = 45 mg/g. (c) Perkolationsfluss = 2 ml/min; Arzneimittelmasse = 50,0 g. (d) R = 0,0015 m; SAB-Gehalt in Salvia miltiorrhiza = 45 mg/g. (e) R = 0,0015 m; Arzneimittelmasse = 50,0 g. (f) Perkolationsfluss = 2 ml/min; R = 0,0015 m. (h) R = 0,001425 m; SAB-Gehalt in Salvia miltiorrhiza = 37,28 mg/g. (g) Perkolationsfluss = 2 ml/min; SAB-Gehalt in Salvia miltiorrhiza = 37,28 mg/g (verschiedene Farben in der Abbildung stellten unterschiedliche Wahrscheinlichkeiten dar, den Standard zu erreichen, und der Farbbalken rechts stellt die entsprechende Wahrscheinlichkeit dar, den Standard zu erreichen, der ausgefüllte rote Kreis war der Wert von Experiment 1, * war der Wert von Experiment 2, das ausgefüllte grüne Dreieck war der Wert von Experiment 3).

Um die Zuverlässigkeit des Designraums zu überprüfen, wurden Punkte innerhalb und außerhalb des Designraums zur Überprüfung ausgewählt und die neue Charge A5 für das Experiment ausgewählt. Die spezifischen Bedingungen des Verifizierungsexperiments sind in Tabelle 16 und Abb. 8g–h aufgeführt, und die Ergebnisse sind in Tabelle 17 aufgeführt. Die Ergebnisse zeigten, dass die durch die drei Sätze von Verifizierungsexperimenten erhaltenen Messwerte nahe an den vorhergesagten Werten lagen, was darauf hindeutet Das Modell war gut vorhersagbar und der gebaute Entwurfsraum war zuverlässiger.

Die Qualität chinesischer Kräutermedizin variiert oft stark zwischen den Chargen. Um die Qualität proprietärer chinesischer Arzneimittel zu stabilisieren, ist es manchmal notwendig, die Extraktionsmenge innerhalb eines bestimmten Bereichs zu kontrollieren. Um die Machbarkeit einer quantitativen Extraktion mithilfe des etablierten Mechanismusmodells zu überprüfen, wurde die D5-Charge von Salvia miltiorrhiza mit einer Partikelgröße von 0,001425 m und einem SAB-Gehalt von 37,28 mg/g in Salvia miltiorrhiza als perkolierendes medizinisches Material ausgewählt. Die Zielausbeute ist in Tabelle 18 aufgeführt. Es wurden zwei Validierungsexperimente durchgeführt, V1 bzw. V2.

In Experiment V1 wurden 50,0 g medizinische Materialien verwendet, die Partikelgröße betrug 0,001425 &mgr;m und die Perkolationsflussrate betrug 2 ml/min. In Experiment V2 wurden 60,0 g medizinische Materialien mit einer Partikelgröße von 0,001425 m und einer Flussrate von 3 ml/min verwendet. Die Verifizierungsergebnisse sind in Tabelle 18 aufgeführt. Der gemessene Wert des Verifizierungsexperiments liegt nahe am vorhergesagten Wert, was darauf hinweist, dass das Modell eine gute Vorhersagbarkeit aufweist und das Modell zuverlässiger bei der Vorhersage des Endpunkts der Perkolation ist.

Im Perkolationsprozess der Traditionellen Chinesischen Medizin ist neben der Optimierung der Prozessparameter zur Erzielung einer besseren Produktqualität auch die Bestimmung des Endpunkts (Endpunkt) der Perkolation besonders wichtig. Unvollständig, was zur Verschwendung medizinischer Materialien führt. Eine zu späte Beendigung der Perkolation kann zu Lösungsmittel- und Zeitverschwendung führen. Unter Annahme einer SAB-Konzentration im Sickerwasser von weniger als 0,1 mg/g als Standard wurde das etablierte Mechanismusmodell zur Vorhersage des Endpunkts verwendet und zwei Versuchsgruppen V3 und V4 zur Verifizierung ausgewählt. Als osmotisches Arzneimittelmaterial wurde in beiden Versuchsgruppen die D5-Charge von Salvia miltiorrhiza mit einem SAB-Gehalt von 37,28 mg/g verwendet. In Experiment V3 wurden 50,0 g medizinische Materialien verwendet, die Partikelgröße der medizinischen Stücke betrug 0,001425 &mgr;m und die Perkolationsflussrate betrug 2 ml/min. In Experiment V4 wurden 60,0 g medizinische Materialien verwendet, die Partikelgröße der medizinischen Stücke betrug 0,001425 &mgr;m und die Perkolationsflussrate betrug 3 ml/min. Die verifizierten experimentellen Ergebnisse sind in Tabelle 19 aufgeführt. Die Endpunktvorhersage- und Validierungsexperimente zeigten, dass die gemessenen Werte nahe an den vorhergesagten Werten lagen, was darauf hindeutet, dass das Modell eine gute Vorhersagbarkeit aufwies und das Modell zuverlässiger bei der Vorhersage des Endpunkts der Perkolation war.

In dieser Arbeit wurde ein Mechanismusmodell des Perkolationsprozesses im Bereich der traditionellen chinesischen Medizin erstellt, und das erstellte partielle Differentialgleichungsmodell konnte nicht nur die Änderung des Perkolationsextraktgehalts widerspiegeln, sondern auch die Änderung unter verschiedenen Parametern vorhersagen. Angesichts der Schwierigkeit, Parameter im Mechanismusmodell zu messen, wurde in dieser Arbeit eine Berechnungs- und Screening-Methode für mehrere Parameter des Perkolationsprozesses entwickelt. Durch Literaturrecherche wurde eine kleine Datenbank mit axialen Diffusionskoeffizienten und externen Stoffübergangskoeffizienten erstellt und durch Parameterkombination die optimale Parameterkombination ermittelt. Diese Methode reduzierte nicht nur die Kosten für Experimente, sondern stellte auch die Genauigkeit des Modells sicher, das effektiv auf andere Sorten verallgemeinert werden kann. Diese Arbeit zielte auf die Probleme ungleichmäßiger Chargen medizinischer Materialien und einfacher Änderungen der Betriebsparameter ab und nutzte das etablierte Modell, um den Designraum mit Materialparametern und Betriebsparametern festzulegen. Im Validierungsexperiment wurde das etablierte Modell zur quantitativen Extraktion und Endpunktvorhersage verwendet, und der Vorhersageeffekt war genau, was bewies, dass das in dieser Arbeit etablierte Modell das Potenzial hatte, im tatsächlichen Produktionsprozess angewendet zu werden. Das in dieser Arbeit vorgeschlagene Perkolationsmodell berücksichtigt die Geräteparameter, Prozessparameter und Rohstoffeigenschaften, die für die Gestaltung und Verstärkung der Perkolationsausrüstung von Nutzen sein werden. Dieses Modell vertieft das Verständnis des Perkolationsprozesses der traditionellen chinesischen Medizin und bietet eine neue Methode zur Produktionskontrolle des Perkolationsprozesses.

Alle während dieser Studie generierten oder analysierten Daten sind in diesem veröffentlichten Artikel und seinen ergänzenden Informationsdateien enthalten.

Spezifische Oberfläche medizinischer Partikel

Konzentration der Inhaltsstoffe in Lösung

Gleichgewichtskonzentrationen der Komponenten in Lösung

Konzentration der Bestandteile im Extrakt

Konzentration der Komponenten im Feststoff

Voraussichtliche Konzentration zum ersten Zeitpunkt der Perkolation

Konzentration von Inhaltsstoffen auf der äußeren Oberfläche von Arzneimittelpartikeln

Scheinbarer Diffusionskoeffizient

Volumenverteilungskoeffizient

Axiale Diffusionsfähigkeit

Durchmesser der Perkolationssäule

Molekularer Diffusionskoeffizient

Gesamtbetthöhe der Perkolationskolonne

Betthöhe vom Einlass der Perkolationskolonne

Gesamtextraktionsrate konstant

Geschwindigkeitskonstante von Peleg

Pelegs Kapazitätskonstante

Stoffübergangskoeffizient

Interner Stoffübergangskoeffizient

Externer Stoffübergangskoeffizient

Medizinische Masse

Gehalt an Zielkomponenten in Masseneinheiten des Arzneimittels

Molmasse des gelösten Stoffes

Die Nummer einer Gruppe in der Strukturformel

Pecle-Nummer

Medizinischer Partikelradius

Bestimmtheitsmaß

Relativer Prognosefehler

Relative Standardabweichung

Sherwood-Nummer

Schmidt-Nummer

Zeit

Experimentelle Temperatur

Fließrate

Volumen

Molares Molekülvolumen des gelösten Stoffes bei normalem Siedepunkt

Kritisches Volumen gelöster Moleküle

Gruppenbeitragswert einer Gruppe

Der gemessene Wert des i-Punkts in der Perkolationskurve

Der Durchschnittswert der Messwerte aller Punkte auf der Versickerungskurve

Der vorhergesagte Wert des i-Punkts in der Perkolationskurve

Ausdehnungskoeffizient medizinischer Materialien

Lösungsdichte

Viskositätskoeffizient der Lösung

Assoziationsparameter von Lösungsmitteln

Porosität des Bettes

Pharmakopöe, C. Pharmakopöe der Volksrepublik China (China Medical Science Press, 2020).

Google Scholar

Wang, W., Qu, H. & Gong, X. Forschungsfortschritte beim Perkolationsextraktionsprozess traditioneller chinesischer Arzneimittel. China J. Chin. Materia Med. 45(05), 85–92 (2020).

Google Scholar

Cao, H. & Qin, H. Extraktionsoptimierung des gesamten Ginsenosids in Gynostemma Pentaphyllum.Makino durch zentrale zusammengesetzte Design-Response-Oberflächenmethodik. China-Apotheker. 22(06), 1043–1046 (2019).

Google Scholar

Chen, L. et al. Optimierung der Perkolationsextraktionstechnologie für Nixue Phuangbu Qinctura durch die Reaktionsoberflächenmethodik von BoxJBehnken. Kinn. Tradition. Kraut. Drogen. 46(8), 1151–1155 (2015).

CAS Google Scholar

Wang, X. Anwendung der Feedforward-Kontrollstrategie basierend auf Rohstoffspektren in Herstellungsprozessen traditioneller chinesischer Arzneimittel (Zhejiang-Universität, 2018).

Google Scholar

Kassing, M., Jenelten, U., Schenk, J., Hänsch, R. & Strube, J. Kombination aus rigoroser und statistischer Modellierung zur Prozessentwicklung pflanzlicher Extraktionen auf Basis von Massenbilanzen und biologischen Aspekten. Chem. Ing. Technol. 35(01), 109–132 (2011).

Artikel Google Scholar

Both, S., Koudous, I., Jenelten, U. & Strube, J. Modellbasiertes Gerätedesign für pflanzliche Extraktionsprozesse – unter Berücksichtigung botanischer und thermodynamischer Aspekte. CR Chim. 17(03), 187–196 (2014).

Artikel CAS Google Scholar

Sixt, M., Uhlenbrock, L. & Strube, J. Auf dem Weg zu einer eindeutigen und quantitativen Validierungsmethode für die prädiktive Prozessmodellierung – Am Beispiel von Fest-Flüssig-Extraktionsprozessen komplexer Pflanzenextrakte. Prozesse. 6, 66 (2018).

Artikel Google Scholar

Wan, X. et al. Forschungsfortschritte zu chemischen Bestandteilen und pharmakologischen Wirkungen von Salvia miltiorrhiza. Kinn. Tradition. Kraut. Drogen. 51(03), 788–798 (2020).

Google Scholar

Cheng, Y. et al. Reaktionskinetik und Reaktionswege für Salvianolsäure B in Wasser mit hoher Temperatur. ChemistrySelect 3(10), 2734–2737 (2018).

Artikel CAS Google Scholar

Poojary, MM & Passamonti, P. Extraktion von Lycopin aus Tomatenverarbeitungsabfällen: Kinetik und Modellierung. Lebensmittelchem. 173(15), 943–950 (2015).

Artikel CAS PubMed Google Scholar

Kojić, AB, Planinić, M., Tomas, S., Bilić, M. & Velić, D. Untersuchung der Fest-Flüssig-Extraktionskinetik von Gesamtpolyphenolen aus Traubenkernen. J. Food Eng. 81(1), 236–242 (2007).

Artikel Google Scholar

Chan, CH, Yusoff, R. & Ngoh, GC Modellierung und Kinetikstudie der konventionellen und unterstützten Batch-Lösungsmittelextraktion. Chem. Ing. Res. Des. 92(6), 1169–1186 (2014).

Artikel CAS Google Scholar

Cao, J. et al. Bestimmung von fünfzehn bioaktiven Komponenten in Radix et Rhizoma Salviae Miltiorrhizae durch Hochleistungsflüssigkeitschromatographie mit ultravioletter und massenspektrometrischer Detektion. Biomed. Chromatogr. 22(2), 164–172 (2008).

Artikel CAS PubMed Google Scholar

Clowutimon, W., Shotipruk, A., Boonnoun, P. & Ponpesh, P. Entwicklung eines Stofftransfermodells für die chromatographische Trennung von freiem Lutein und Fettsäuren in entestertem Ringelblumenlutein. Prozess für Lebensmittel-Bioprodukte. Trans. Inst. Chem. Ing. Teil C. 110, 6–15 (2018).

Artikel CAS Google Scholar

Guiochon, G. Präparative Flüssigkeitschromatographie. J. Chromatogr. A 965(1–2), 129–161 (2002).

Artikel CAS PubMed Google Scholar

Kostova, A., Tsibranska, I. & Bart, HJ Untersuchung des Festbettadsorptionsverhaltens von Phenylalanin auf lösungsmittelimprägnierten Harzen, Teil III. Lösungsmittelextr. Ionenaustausch. 25(1), 147–163 (2007).

Artikel CAS Google Scholar

Williamson, JE, Bazaire, KE & Geankoplis, CJ Flüssigphasen-Massentransfer bei niedrigen Reynolds-Zahlen. Ind. Eng. Chem. Fundam. 2(2), 126–129 (1963).

Artikel CAS Google Scholar

Wilson, EJ & Geankoplis, CJ Flüssigkeitsstofftransport bei sehr niedrigen Reynoldszahlen in Festbetten. Indengchemfundam. 5(1), 9–14 (1966).

CAS Google Scholar

Ranz, WE & Marshall, WR Verdunstung aus Tropfen. Chem. Ing. Prog. 48(173), 141–146 (1952).

CAS Google Scholar

Wakao, N., Kaguei, S. & Funazkri, T. Einfluss von Fluiddispersionskoeffizienten auf Partikel-zu-Fluid-Massentransferkoeffizienten in Festbetten. Chem. Ing. Wissenschaft. 33(10), 1375–1384 (1978).

Artikel CAS Google Scholar

Chung, SF & Wen, CY Längsdispersion von Flüssigkeit, die durch Fest- und Wirbelbetten fließt. AIChE J. 14(6), 857–866 (1968).

Artikel CAS Google Scholar

Athalye, AM, Gibbs, SJ & Lightfoot, EN Vorhersagbarkeit chromatographischer Proteintrennungen: Untersuchung von Größenausschlussmedien mit engen Partikelgrößenverteilungen. J. Chromatogr. A 589(1–2), 71–85 (1992).

Artikel CAS Google Scholar

Koch, DL & Brady, JF Dispersion in Festbetten. J. Fluid Mech. 154, 399–427 (1985).

Artikel ADS CAS MATH Google Scholar

Gunn, DJ Axiale und radiale Dispersion in Festbetten. Chem. Ing. Wissenschaft. 42(2), 363–373 (1987).

Artikel CAS Google Scholar

Ruthven, DM Prinzipien der Adsorption und Adsorptionsprozesse (Wiley, 1984).

Google Scholar

Referenzen herunterladen

Diese Arbeit wurde finanziell unterstützt vom National S&T Major Project of China (2018ZX09201011-002), dem Research Project of Zhejiang Provincial Department of Education (Y202045620) und den Fundamental Research Funds for the Central Universities (226-2022-00226).

Diese Autoren haben gleichermaßen beigetragen: Wanying Wang und Feng Ding.

Pharmazeutisches Informatikinstitut, Hochschule für Pharmazeutische Wissenschaften, Zhejiang-Universität, Hangzhou, 310058, China

Wanying Wang, Feng Ding, Haibin Qu und Xingchu Gong

Innovationszentrum der Zhejiang-Universität, Staatliches Schlüssellabor für komponentenbasierte chinesische Medizin, Zhejiang-Universität, Hangzhou, 310058, China

Wanying Wang, Feng Ding, Haibin Qu und Xingchu Gong

Jinhua-Institut der Zhejiang-Universität, Jinhua, 321016, China

Xingchu Gong

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

WW: Konzeptualisierung, Methodik, Software, Untersuchung, Schreiben – Originalentwurf, Finanzierungseinwerbung. FD: Validierung, formale Analyse, Schreiben – Überprüfen und Bearbeiten. Zentrale: Betreuung, Projektverwaltung, Fördermittelakquise. XG: Ressourcen, Schreiben – Überprüfung und Bearbeitung, Finanzierungsbeschaffung, Betreuung.

Korrespondenz mit Xingchu Gong.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Wang, W., Ding, F., Qu, H. et al. Modellierung des Mechanismus und Anwendung des Perkolationsprozesses von Salvia miltiorrhiza. Sci Rep 13, 8311 (2023). https://doi.org/10.1038/s41598-023-35529-2

Zitat herunterladen

Eingegangen: 23. Dezember 2022

Angenommen: 19. Mai 2023

Veröffentlicht: 23. Mai 2023

DOI: https://doi.org/10.1038/s41598-023-35529-2

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.