بهینه‌سازی نانوذرات روغن اسانسی زعفران با استفاده از نانوکریر کمپلکس کیتوسان-صمغ عربی با روش ژلاسیون یونی

این مطالعه با هدف بهینه‌سازی نانوذرات اسانس زعفران (SEO) با استفاده از روش ژل شدن یونی انجام شده است. روش سطح پاسخ (RSM) با طراحی باکس-بنکن (BBD) برای بررسی شرایط بهینه و اثرات سه متغیر مستقل: غلظت LWCS (0.1-0.3%)، غلظت صمغ عربی (9.6-9.8%) و نسبت (ماده هسته: دیواره) (1:5، 1:7.5، 1:10) بر پاسخ‌های میانگین z، شاخص پراکندگی (PDI) و پتانسیل زتا به کار گرفته شد. نتایج نشان داد که مدل درجه دوم توسعه یافته از RSM از نظر آماری معنی‌دار بود (p value < 0.05). مدل درجه دوم می‌تواند برای توصیف خوب رابطه بین متغیرها بر پاسخ مشاهده شده استفاده شود. عدم برازش نسبت به خطای خالص برای همه متغیرهای پاسخ معنی‌دار نبود (p value > 0.05)، که نشان می‌دهد مدل به خوبی برازش شده است. معادله مدل به‌دست‌آمده برای فرآیند از طریق RSM کافی بود. غلظت LWCS و غلظت صمغ عربی تأثیر معنی‌داری بر میانگین z و PDI داشتند. نسبت (روغن: صمغ عربی/LWCS) تأثیر معنی‌داری بر پتانسیل زتا دارد. شرایط بهینه، غلظت LWCS برابر با 0.1٪ و غلظت صمغ عربی برابر با 9.6٪ بود و نسبت (روغن: صمغ عربی/LWCS) 1:5 نانوذرات بهینه SEO را با مقدار میانگین z برابر با 16.24، PDI برابر با 0.495 و پتانسیل زتا برابر با 15.76 تولید کرد. مقادیر تأیید نزدیک به مقدار پیش‌بینی‌شده توسط برنامه Design Expert® 12 با مقدار p > 0.05 در سطح اطمینان 95٪ بودند. بنابراین، استفاده از RSM با Box-Behnken برای بهینه‌سازی نانوذرات روغن زعفران با پاسخ‌های مطلوب مناسب بود.

This study is aimed at optimizing the Saffron essential oil (SEO) nanoparticles using the ionic gelation method. Response surface methodology (RSM) with Box-Behnken design (BBD) was applied to investigate the optimum conditions and the effects of three independent variables: LWCS concentration (0.1-0.3%), Arabic gum concentration (9.6-9.8%), and ratio (core: wall material) (1 : 5, 1 : 7.5, 1 : 10) on the responses of z-average, polydispersity index (PDI), and zeta potential. The results showed that the quadratic model developed from the RSM was statistically significant (p value < 0.05). The quadratic model can be used to describe well the relationship between the variables on the response observed. The lack of fit was nonsignificant (p value > 0.05) relative to pure error for all response variables, indicating that the model fitted well. The model equation obtained for the process through RSM was adequate. The LWCS concentration and Arabic gum concentration had a significant effect on z-average and PDI. The ratio (oil: Arabic gum/LWCS) has a significant effect on zeta potential. The optimum condition was the LWCS concentration of 0.1% and Arabic gum concentration of 9.6%, and the ratio (oil: Arabic gum/LWCS) 1 : 5 produced the optimum SEO nanoparticles with a z-average value of 16.24, PDI of 0.495, and zeta potential of 15.76. The verification values were close to the predictive value given by the Design Expert® 12 program with p value > 0.05 at the 95% confidence level. Therefore, the application of the RSM with Box-Behnken was suitable for optimizing the saffron oil nanoparticles with desirable responses.