تقویت استخراج سبز ترکیبات زیست‌فعال زعفران با کمک مایکروویو-اولتراسوند: بهینه‌سازی شیمی‌سنجی و یادگیری ماشین از طریق مطالعه مقایسه‌ای OMPD-ANN-SVR

بهینه‌سازی استخراج نشانگرهای زیست‌فعال کلیدی (پیکروکروسین، سافرانال، کروسین) از زعفران (Crocus sativus L.) بسیار حائز اهمیت است. این مطالعه استخراج با کمک مایکروویو-اولتراسوند (MUAE) را با مقایسه طراحی بهینه مخلوط-فرآیند (OMPD)، شبکه‌های عصبی مصنوعی (ANN) و رگرسیون بردار پشتیبان (SVR) بهینه‌سازی کرد و مخلوط حلال (آب/اتانول/گلیسرول) و متغیرهای فرآیندی شامل زمان استخراج (30-10 دقیقه)، دما (100-20 درجه سانتی‌گراد) و توان مایکروویو (500-100 وات) را در نظر گرفت. تحلیل چندمتغیره پویایی‌های پیچیده MUAE را روشن کرد، خوشه‌های متمایزی را آشکار ساخت و تأثیر محوری دما را برجسته نمود. مدل‌سازی OMPD یک سیستم حلال باینری آب/اتانول، حداکثر توان و حداکثر زمان استخراج را به عنوان عوامل بحرانی شناسایی کرد، با دمای بهینه متغیر برای هر ترکیب. قابل توجه است که مدل ANN به طور قابل توجهی از OMPD و SVR در دقت پیش‌بینی بهتر عمل کرد و بالاترین مقادیر حداکثر پیش‌بینی شده را در شرایط بهینه شده به دست داد: 929.62 برای پیکروکروسین، 703.62 برای سافرانال و 1058.61 برای کروسین. اعتبارسنجی تجربی با استفاده از HPLC-DAD بازدهی بالای شرایط بهینه استخراج شده از ANN را تأیید کرد، غلظت‌های بالای پیکروکروسین، ترانس-4-کروئین GG، ترانس-3-کروئین GG، ترانس-2-کروئین Gg، سیس-4-کروئین GG و سافرانال را آشکار ساخت و بازیابی و دقت عالی برای ترکیبات هدف را نشان داد. این کار قابلیت برتر ANN را که با تحلیل چندمتغیره یکپارچه شده است، برای بهینه‌سازی کارآمد فرآیندهای استخراج پیچیده و حداکثر کردن بازده ترکیبات زیست‌فعال ارزشمند زعفران برجسته می‌کند.

Optimizing the extraction of key bioactive markers (picrocrocin, safranal, crocin) from saffron (Crocus sativus L.) is crucial. This study optimized Microwave-Ultrasound-Assisted Extraction (MUAE) by comparing Optimal Mixture Process Design (OMPD), Artificial Neural Networks (ANN), and Support Vector Regression (SVR), considering solvent mixture (water/ethanol/glycerol) and process variables: extraction time (10–30 min), temperature (20–100 °C), and microwave power (100–500 W). Multivariate analysis elucidated the complex MUAE dynamics, revealing distinct clusters and highlighting the pivotal influence of temperature. OMPD modeling identified a binary water/ethanol solvent system, maximum power, and maximum extraction time as critical, with optimal temperatures varying per compound. Notably, the ANN model significantly outperformed OMPD and SVR in predictive accuracy, yielding the highest predicted maximum values under optimized conditions: 929.62 for picrocrocin, 703.62 for safranal, and 1058.61 for crocin. Experimental validation using HPLC-DAD confirmed the high efficiency of the ANN-derived optimal conditions, revealing high concentrations of picrocrocin, trans-et-creoine GG, trans-3-creoine GG, trans-2-creoineGg, cis-4-creoine GG, and safranal and demonstrating excellent recovery and precision for the target compounds. This work highlights the superior capability of ANN, integrated with multivariate analysis, for efficiently optimizing complex extraction processes and maximizing yields of valuable saffron bioactives.