Extraction assistée par ultrasons d'acides phénoliques, de flavonols et de flavan-3-ols à partir de peaux et de pépins de raisin Muscadine à l'aide de solvants eutectiques profonds naturels et d'une modélisation prédictive par réseau de neurones artificiels
Feb 23, 2022
S'il vous plaît contactezoscar.xiao@wecistanche.compour plus d'informations
RésuméL'objectif de cette étude était d'étudier l'efficacité d'extraction de 9 solvants eutectiques profonds naturels (NDES) à l'aide d'ultrasons pouracides phénoliques, flavonols, et les flavan-3-ols dans les peaux et les pépins de muscat (Carlos) par rapport à 75 % d'éthanol. Le réseautage neuronal artificiel (ANN) a été appliqué pour optimiser la teneur en eau NDES, le temps d'ultrasonication, le rapport solide-solvant et la température d'extraction afin d'obtenir les rendements d'extraction les plus élevés pour l'acide ellagique, la catéchine et l'épicatéchine. Une NDES nouvellement formulée (#1) se compose de chlorure de choline :acide lévulinique: l'éthylène glycol 1:1:2 et 20 % d'eau ont extrait la plus grande quantité d'acide ellagique dans la peau à 22,1 mg/g. Ce rendement était 1,73- fois supérieur à celui de l'éthanol à 75 %. Une NDES modifiée (#3) composée de chlorure de choline : proline : acide malique 1:1:1 et 30 % d'eau a extrait la plus grande quantité de catéchine (0.61 mg/g) et d'épicatéchine (0,89 mg/g) dans la peau, et 2,77 mg/g et 0,37 mg/g dans la graine, respectivement. Le rendement optimal d'acide ellagique dans la peau en utilisant NDES #1 était de 25,3 mg/g (observé) et de 25,3 mg/g (prédit). Le rendement optimal de (catéchine plus épicatéchine) dans les graines en utilisant la NDES #3 était de 9,8 mg/g (observé) et de 9,6 mg/g (prédit). Cette étude a montré la grande efficacité d'extraction des NDES sélectionnés pour les polyphénols dans des conditions optimisées.

Veuillez cliquer ici pour en savoir plus
Introduction
Les solvants eutectiques profonds naturels (NDES) sont préparés en mélangeant des donneurs de liaison hydrogène avec des accepteurs de liaison hydrogène à un rapport molaire approprié [1]. Le point de fusion d'un composant doit être inférieur au point de fusion de l'autre [1]. Après chauffage et mélange, ce milieu devient liquide à température ambiante. De l'eau est ajoutée pour stabiliser et polariser le mélange. La recherche dans le domaine de l'extraction phytochimique à l'aide de NDES s'est développée en raison de leur extractibilité et de leur solubilité efficaces. Néanmoins, plusieurs facteurs jouent un rôle important lors de la comparaison des NDES aux solvants organiques, notamment le rendement, le coût, la récupération et la toxicité. Des recherches antérieures ont étudié les NDES sur l'extraction de différents polyphénols à partir de diverses matrices alimentaires. Par exemple, Bubalo et al. (2016) ont comparé 5 NDES, de l'eau, du méthanol à 70 % (v/v) et du méthanol à 70 % acidifié (v/v) pour extraire les anthocyanes, la catéchine et la quercétine-3-O-glucoside des peaux de raisin rouge. Un NDES composé de chlorure de choline : acide oxalique (1:1) avec 25 % d'eau (v/v) s'est avéré être le solvant d'extraction le plus efficace [2]. Dans une autre étude, Panic et al. (2019) ont testé 8 NDES et acidifié 70 % d'éthanol et observé le chlorure de choline : acide citrique (2:1) avec 30 % d'eau (v/v) comme le meilleur NDES pour extraire les anthocyanes du marc de raisin [3]. Les raisins muscat (Vitis rotundifolia) sont originaires des États du sud-est et le premier raisin sauvage cultivé aux États-Unis [4]. Les raisins muscat sont produits dans 12 États et totalisent environ 5 000 acres [5]. Il existe 100 variétés de raisin muscat et chacune varie en termes de caractéristiques physiques, sensorielles ou chimiques [4]. Parmi eux, Carlos est un cépage muscat largement planté en raison de ses rendements élevés et de sa régularité de croissance [4]. Le raisin Carlos muscadine est de taille moyenne, de couleur bronze, plus épais dans la peau et contient quatre graines en moyenne [6]. Les raisins muscat contiennent des quantités importantes depolyphénolsqui sont connus pour réduire l'inflammation [7], inhiber la croissance des tumeurs de la prostate [8] et améliorer les réponses métaboliques des diabétiques [9]. Le marc de raisin muscat, un sous-produit du jus de raisin muscat ou de la vinification, se compose de peaux et de pépins. Une étude de recherche précédente a utilisé un mélange d'acétone : eau : acide acétique (70 : 29,7 : 0,3, v/v) pour extraire les composés phénoliques des graines, de la peau et de la pulpe de huit cultivars de raisin muscat cultivé en Floride, dont Carlos [10]. Cependant, l'utilisation de solvants organiques inflammables et leur faible efficacité d'extraction ont gêné les applications pratiques. La majeure partie du marc de raisin muscat est encore jetée comme déchet. Le réseau de neurones artificiels (ANN) est un système de cartographie non linéaire composé de diverses unités de traitement de base connectées par des associations pondérées. Ces unités de traitement sont appelées "neurones" [11]. Le réseautage de neurones artificiels est une approche d'apprentissage automatique pour prédire ou prévoir une réponse basée sur plusieurs entrées [11]. Des recherches antérieures ont appliqué des méthodes de surface de réponse (RSM) pour l'optimisation et la prédiction de l'extraction. Cependant, peu d'études ont utilisé les ANN dans le même but. Par exemple, Sinha et al. (2013) ont suggéré que l'ANN a de meilleures performances de prédiction que le RSM sur l'extraction du colorant naturel des graines de Bixa Orellana (Annatto) [12]. Dans une étude similaire, Ciric et al. (2020) ont rapporté que le modèle ANN était meilleur que RSM pour prédire les extractions de composés phénoliques de l'ail [13]. L'objectif de cette recherche était d'étudier l'efficacité d'extraction de 9 NDES pour les acides phénoliques, les flavonols et les flavan-3-ols par rapport à l'éthanol à 75 % à l'aide d'ultrasons. L'ANN a été appliqué pour prédire et optimiser les conditions d'extraction sur le rendement phénolique. L'hypothèse était que les NDES avec des compositions spécifiques extraient des quantités plus élevées d'acides phénoliques, de flavonols et de flavan-3-ols que l'éthanol à 75 %, et l'efficacité d'extraction la plus élevée peut être obtenue par la modélisation prédictive basée sur les ANN.
2. Matériels et méthodes 2.1. Produits chimiques et réactifs Le chlorure de choline, l'acide lévulinique, le 1,2-propanediol, l'acide DL-malique, l'acide oxalique, l'acide chlorhydrique et l'acide formique ont été obtenus auprès d'Acros Organics (Morris Plains, NJ, USA). L'acide lactique, l'éthylène glycol, la glycine, l'acétonitrile de qualité HPLC, le méthanol et l'éthanol ont été achetés auprès de Fishers Scientific (Waltham, Massachusetts, États-Unis). La L-proline et le chlorhydrate de bétaïne ont été achetés chez Alfa Aesar (Ward Hill, MA, USA). Des étalons de qualité HPLC d'acide ellagique, d'acide gallique, d'acide férulique, de (plus)-catéchine, de (-)-épicatéchine, de myricétine, de quercétine et de kaempférol ont été acquis auprès de Sigma Aldrich (St. Louis, MO, États-Unis).

2.2. Conception de NDESLes NDES #1–2 du tableau 1 ont été conçues dans notre étude précédente [14]. Le chlorure de choline dans NDES # 1–2 a été sélectionné comme accepteur d'hydrogène, tandis que deux donneurs d'hydrogène différents ont été sélectionnés pour chaque nouvelle NDES. Les rapports molaires entre les donneurs d'hydrogène et l'accepteur et la teneur en eau ont été déterminés dans des expériences préliminaires. Les NDES #3 à 9 du tableau 1 ont été sélectionnées dans la littérature car des études antérieures les ont désignées comme des NDES efficaces dans l'extraction des polyphénols. La teneur en eau dans la NDES #3 a été modifiée à partir de la littérature citée. Une méthode de chauffage a été appliquée pour préparer la NDES [15]. En bref, l'accepteur de liaison hydrogène a été mélangé avec chacun des composants donneurs de liaison hydrogène dans des flacons Erlenmeyer avec un barreau d'agitation. Le mélange dans le ballon a été fermé et chauffé à 50 ◦C pendant environ 30 min ou jusqu'à ce qu'un liquide clair se forme et reste stable à température ambiante. Les teneurs en eau du tableau 1 ont été calculées en fonction du volume final des mélanges NDES. Le pH de NDES répertorié dans le tableau 1 a été mesuré à l'aide d'un pH-mètre (AB15, Accumet, Fisher Scientific, Waltham, MA, USA). 2.3. Préparation des échantillons / Extraction assistée par ultrasons Les peaux et les graines de raisin muscat (Vitis rotundifolia) congelées (cultivar : Carlos) ont été fournies par Paulk Vineyards (Wray, Géorgie, États-Unis). Après avoir retiré les coques, les feuilles ou les pétioles, le marc a été séparé en graines et en peau. Les échantillons ont ensuite été séchés à l'aide d'une étuve à vide (Isotemp, modèle 285A, Fisher Scientific, Waltham, Massachusetts, États-Unis) à 60 ◦C et une pression de vide inférieure à − 30 in.Hg. Ensuite, les échantillons ont été homogénéisés en une poudre fine à l'aide d'un broyeur chimérique (A1{{105}}00, RRH Inc., 2800 W, Zhejiang, Chine). En utilisant un rapport solide/solvant initial de 1:20 (g: mL), 0,50 g de peau ou de pépins de raisin muscadine ont été mélangés dans 10 mL de NDES ou d'éthanol à 75 % en trois exemplaires. Les échantillons ont ensuite été placés dans un bain-marie (60 °C) et soniqués (VCX 1500, Sonics & Materials Inc., 1500-Watt, 50/60 Hz, Newtown, CT, USA) pendant 30 min à 100 %. amplitude pour deux tours (15 min/tour). Ensuite, les échantillons ont été immédiatement centrifugés (Sorvall ST 8, Fisher Scientific, Suzhou, Chine) à 3 260 g jusqu'à l'obtention d'un surnageant clair. Enfin, les surnageants ont été collectés et stockés dans un congélateur à -20 °C pour l'analyse HPLC des acides phénoliques (acide ellagique, acide gallique, acide férulique), des flavonols (myricétine, quercétine et kaempférol) et des flavan-3-ols (catéchine et épicatéchine). 2.4. Analyses HPLC des acides phénoliques, des flavonols et des flavan-3-ols Les acides phénoliques, les flavonols et les flavan-3-ols ont été analysés sur un système HPLC (Agilent Technologies 1200, Waldbronn, Allemagne) selon la méthode décrite dans Sandhu et Gu (2013) [16]. Le système HPLC se compose d'une pompe binaire, d'un échantillonneur automatique, d'un compartiment à colonne thermostaté, d'un détecteur à barrette de diodes et d'un détecteur de fluorescence. Des extraits de peau ou de pépins de raisin ont été hydrolysés avant les analyses des acides phénoliques et des flavonols. L'hydrolyse a été réalisée en mélangeant 1 ml de l'extrait avec 4 ml de solution d'hydrolyse (HCl 1,2 M contenant 50 % de méthanol) et placée dans un bain-marie (Precision, modèle 2837, 400 W, 50/60 Hz, Thermo Scientific, Marietta , OH, USA) à 90 ◦C pendant 80 min. Ensuite, les échantillons ont été refroidis à 25 ◦C suivi d'une sonication pendant 5 min. L'hydrolyse de l'extrait n'a pas été nécessaire pour l'analyse de la catéchine et de l'épicatéchine. Les extraits hydrolysés et non hydrolysés ont été filtrés à travers une membrane de polytétrafluoroéthylène (PTFE) de 0,45 μm avant les analyses HPLC. Pour analyser l'acide ellagique, l'acide gallique, l'acide férulique, la myricétine, la quercétine, le kaempférol, la catéchine et l'épicatéchine, 10 µL ont été injectés dans une colonne SB-C18 (4,6 × 250 mm, 5 µm, Zorbax, Agilent, Santa Clara, CA, ETATS-UNIS). Les phases mobiles étaient (A) 0,5 % d'acide formique et (B) 100 % d'acétonitrile. Le débit était de 1 mL/min avec un gradient modifié de 25 min comme suit : 0–5 min, 10–30 % B ; 5 à 10 min, 30 à 40 % B ; 10–20 min, 40–50 % B ; 20–25 min, 50–10 % B ; suivi de 5 min d'équilibrage. La température de la colonne a été fixée à 30 ◦C. La longueur d'onde de détection était de 260 nm pour l'acide ellagique, l'acide gallique et l'acide férulique et de 360 nm pour la myricétine, la quercétine et le kaempférol sur un détecteur à barrette de photodiodes. L'excitation et l'émission pour la catéchine et l'épicatéchine étaient de 230 nm, 321 nm, respectivement, en utilisant un détecteur de fluorescence. Les composés polyphénoliques ont été quantifiés à l'aide de courbes standard d'acide ellagique, d'acide gallique, d'acide férulique, de myricétine, de quercétine, de kaempférol, de catéchine et d'épicatéchine. Toutes les courbes standard avaient 7 points et R2 > 0,99. 2.5. Conception personnalisée pour les réseaux de neurones artificiels Quatre variables d'extraction indépendantes à quatre niveaux : teneur en eau (15 à 60 %), temps d'ultrasonication (5 à 35 min), rapport solide/solvant (1 : 5 à 1 : 20) et extraction température (30–60 ◦ C) (tableau S1) ont été appliquées pour optimiser le rendement d'extraction des acides phénoliques, des flavonols et des flavan-3-ols. Contrairement aux conceptions classiques telles que la conception de surface de réponse, la conception basée sur ANN ne nécessite pas de répétitions et préfère une structure de données différente. Dans notre étude précédente [14], ANN était une méthode plus fiable pour prédire le rendement d'extraction que RSM. Par conséquent, ANN a été sélectionné dans cette étude pour prédire le rendement d'extraction de l'acide ellagique, de la catéchine et de l'épicatéchine. Une conception personnalisée avec 40 exécutions (tableau S2) a été générée sur JMP Pro (version 14.2, SAS Institute Inc., Cary, NC, USA) pour fournir des données spécifiquement pour la modélisation prédictive ANN. La randomisation des 40 essais a été appliquée pour éliminer tout biais. L'équation principale d'ANN est représentée comme suit : le=∑jj=1 wh jpg plus bhk, k=1toK (1) où h est le nombre de neurones dans la couche cachée, j et k sont respectivement le nombre de variables d'entrée et de neurones cachés, p est la variable d'entrée, bh est le biais de la couche cachée et wh est le poids dans la couche cachée. Les rendements d'extraction de l'acide ellagique, de la catéchine et de l'épicatéchine par rapport aux quatre variables indépendantes ont été analysés à l'aide de l'ANN en formant d'abord les données, puis en choisissant le meilleur type d'activation et un certain nombre de neurones qui se traduisent par un ajustement adéquat des données. Pour évaluer le succès des modèles de prédiction, trois valeurs ont été évaluées : R-carré, la racine carrée de l'erreur quadratique moyenne de prédiction (RASE) (équation (2)) et l'erreur absolue moyenne (AAE). RASE est RASE=̅̅̅̅̅̅̅̅̅̅̅̅̅ SSE/n √ (2) Où SSE donne pour carré et somme les erreurs de prédiction (différences entre les réponses réelles et les réponses prédites) et n pour un certain nombre d'observations. R-carré proche de 1 avec RASE et AAE proches de zéro signifie un meilleur ajustement des données dans le modèle. 2.6. Statistiques Les rendements d'extraction des acides phénoliques, des flavonols et des flavan-3-ols ont été comparés à une ANOVA unidirectionnelle suivie d'un test t de Student à p inférieur ou égal à 0,05 à l'aide de JMP Pro (version 14.2, SAS Institute Inc., Cary, Caroline du Nord, États-Unis). Chaque nde et 75 pour cent d'éthanol ont été comparés à l'aide des tests de Dunnett à p inférieur ou égal à 0,05. L'analyse des composants principaux (ACP) a été réalisée sur JMP Pro (version 14.2, SAS Institute Inc., Cary, Caroline du Nord, États-Unis) pour les composés phénoliques extraits de la peau et des pépins de raisin muscat. 3. Résultats et discussion 3.1. Polyphénols extraits par NDES des peaux de raisin muscadine Neuf NDES et 75% d'éthanol ont été utilisés pour l'extraction des polyphénols des peaux de raisin muscadine. Le tableau 2 montre le rendement d'extraction de l'acide ellagique, de l'acide gallique, de l'acide férulique, de la myricétine, de la quercétine, du kaempférol, de la catéchine et de l'épicatéchine. L'acide ellagique était le polyphénol extractible le plus abondant dans la peau du raisin, suivi respectivement de l'acide gallique et de l'acide férulique. Ce résultat était cohérent avec les études précédentes [17,18]. Les NDES #1, #8, #7, #3, #2 et #9 ont extrait des quantités significativement plus élevées d'acide ellagique dans la peau de raisin que l'éthanol à 75 %. Le rendement d'extraction le plus élevé de l'acide ellagique a été obtenu par la NDES #1 suivie de la NDES #8 à 22,1 ± 2,2 mg/g et 21,3 ± 2,5 mg/g, respectivement (tableau 2). Cependant, il n'y avait pas de différence significative entre NDES #1 et NDES #8 selon le test t de Student. Fait intéressant, la NDES #1 s'est avérée être la NDES la moins efficace pour extraire les anthocyanes de

marc de canneberge [14]. Cela suggère que la NDES #1 peut extraire sélectivement l'acide ellagique ou les ellagitanins de la matrice alimentaire qui contient également des anthocyanidines. Une telle sélectivité peut être attribuée à des différences dans les interactions moléculaires entre les NDES et des classes phénoliques spécifiques. La figure S1 (panneau A) montre le chromatogramme HPLC de l'acide gallique, de l'acide ellagique et de l'acide férulique extraits de la peau de raisin par NDES #1 et détectés à 260 nm. L'éthanol à 75 % a extrait 12,7 ± 1,2 mg d'acide ellagique par gramme de peau de raisin. Le rendement d'extraction le plus faible de l'acide ellagique a été observé dans la NDES #4 à 7,44 ± 0,6 mg/g. Le rendement d'extraction de l'acide gallique par NDES #9, #8, #1, #4, #7 et #3 était comparable et significativement supérieur à 75 % d'éthanol. La plus grande quantité d'acide gallique a été extraite par NDES #9 à 10.4 ± 0.5 mg/g, alors que la plus faible quantité de 5.55 ± {{40}} .1 mg/g a été extrait par NDES #5. La quantité la plus élevée d'acide férulique a été extraite par NDES #1 à 6,32 ± 0,7 mg/g et la quantité la plus faible a été extraite par NDES #5 à 3,11 ± 0.{{5{{52 }}}} mg/g. De plus, il n'y avait pas de différence significative entre la NDES #1 et l'éthanol à 75 % dans l'extraction de l'acide férulique (tableau 2). La plus grande quantité de catéchine et d'épicatéchine a été extraite par NDES #3 à 0.61 ± 0.1 mg/g et 0.89 ± 0.1 mg/ g, respectivement (tableau 2). Pendant ce temps, les NDES #3 et #6 ont extrait des quantités significativement plus importantes d'épicatéchine que l'éthanol à 75 %. La figure S2 (panneau A) montre le chromatogramme HPLC de la catéchine et de l'épicatéchine extraites par NDES #3 de la peau du raisin. Cependant, la catéchine n'a pas été détectée dans l'extrait d'éthanol à 75 %. Les quantités les plus faibles de catéchine (0.02 mg/g) et d'épicatéchine ({{90}}.14 mg/g) ont été extraites par NDES #2 et NDES # 5, respectivement. La myricétine était le flavonol le plus abondant et le kaempférol le moins. Le test de Dunnett a révélé que les NDE et l'éthanol à 75 % étaient comparables dans l'extraction de la myricétine, de la quercétine et du kaempférol (tableau 2). La quantité de myricétine la plus élevée a été extraite par NDES #1 (1,84 mg/g), suivie d'éthanol à 75 % (1,73 mg/g), puis de NDES #8 (1,67 mg/g). La quantité de quercétine la plus élevée a été extraite par de l'éthanol à 75 % (0.41 mg/g), NDES #1 (0.40 mg/g) et NDES #8 ({ {143}}.38 mg/g). En revanche, les quantités les plus faibles de myricétine et de quercétine ont été extraites par NDES #5 à 0.87 mg/g et 0.27 mg/g, respectivement. Cette découverte souligne encore une faible capacité globale de la NDES #5 à extraire les polyphénols de la peau du raisin. La quantité de kaempférol la plus élevée a été extraite par de l'éthanol à 75 % (0.05 mg/g), et la plus faible a été extraite par NDES #5 et NDES #6 (0,03 mg/g). La figure S1 (panneau B) montre le chromatogramme HPLC de la myricétine, de la quercétine et du kaempférol extraits de la peau de raisin par NDES #1 détecté à 360 nm. La somme la plus élevée d'acides phénoliques, de flavonols et de flavan-3- ols était de 40,7 mg/g extraits avec NDES #1, suivis de 39,8 mg/g extraits avec NDES #8, tandis que la somme la plus faible était de 18,4 mg/g extraits. par NDES #5 (tableau 2). Le pH de la NDES variait entre 0,3 et 3,3 (tableau 1). La corrélation Rcarrée entre le pH des NDE et les rendements des acides phénoliques, des flavonols et des flavan-3-ols est répertoriée dans le tableau 2. L'absence de corrélation entre le pH et les rendements d'extraction suggère que le pH n'a pas d'incidence sur l'efficacité de l'extraction. 3.2. Polyphénols extraits par NDES des pépins de muscat Les rendements globaux d'extraction des acides phénoliques, des flavonols et des flavan- 3-ols des pépins de raisin étaient nettement inférieurs à ceux des peaux (tableau 3). Les polyphénols extractibles les plus abondants dans les graines étaient la catéchine et l'épicatéchine, tandis que le kaempférol n'a pas été détecté. La matrice complexe des graines contenant de l'huile (13 %, p/p de base sèche) est une explication possible de la faible extractibilité des composés phénoliques des pépins de raisin [19]. La plus grande quantité de catéchine a été extraite par NDES #3 à 2,77 mg/g (tableau 3). Ce rendement était significativement plus élevé que tous les autres NDES et 75% d'éthanol. La figure S2 (panneau B) montre le chromatogramme HPLC de la catéchine et de l'épicatéchine extraites par NDES #3 à partir de pépins de raisin. La plus faible quantité de catéchine a été extraite par NDES #5 à 0,30 mg/g. Toutes les NDES sauf les NDES #1, #2 et #9 ont extrait des quantités significativement plus élevées d'épicatéchine que l'éthanol à 75 % (tableau 3). Les concentrations d'épicatéchine les plus élevées ont été extraites par NDES #4 (0,71 mg/g) et NDES #5 (0,68 mg/g), tandis que les plus faibles ont été extraites par de l'éthanol à 75 % (0,11 mg/g). L'acide gallique était l'acide phénolique extractible le plus abondant dans les pépins de raisin, suivi respectivement de l'acide férulique et de l'acide ellagique. La plus grande quantité d'acide gallique a été extraite par NDES #4 à 0,45 mg/g, suivie par NDES #9 et NDES #8. Ces NDE ont extrait des quantités significativement plus élevées d'acide gallique que l'éthanol à 75 %. La plus faible quantité d'acide gallique (0,2 mg/g) a été extraite par NDES #3. La plus haute extraction

le rendement en acide ellagique a été obtenu par NDES #9 (0.26 mg/g) suivi par NDES #6 (0.17 mg/g), qui étaient significativement plus élevés que 75 % d'éthanol. De même, les EMI #3 ont extrait la plus faible quantité d'acide ellagique à 0.05 mg/g. De plus, les NDES #6, #7 et #3 ont extrait des quantités significativement plus élevées d'acide férulique que l'éthanol à 75 %. Le rendement d'extraction d'acide férulique le plus faible était de 0,5 mg/g par NDES #5. De plus, l'acide férulique n'a pas été détecté dans l'extrait NDES #9. Cela était probablement dû au fait que la solubilité de l'acide férulique était plus faible dans la NDES #9 que dans les autres NDE. L'extrait de myricétine le plus élevé a été obtenu avec 75 % d'éthanol et NDES #7 à 0 0,18 mg/g, ce qui était supérieur à toutes les NDE. Le rendement d'extraction de quercétine le plus élevé a été obtenu par NDES #6 (0.14 mg/g) et NDES #3 (0,13 mg/g) et les deux NDES étaient meilleurs que 75 % d'éthanol. De même, le pH des NDES n'a pas influencé le rendement d'extraction, comme l'indique la faible corrélation (R au carré) entre le pH des NDE et les rendements en acides phénoliques, flavonols et flavan-3-ols répertoriés dans le tableau 3. 3.3 . Une analyse en composantes principales (ACP) a été réalisée pour associer le rendement d'extraction de divers composés phénoliques dans la peau et les pépins de raisin aux NDE et à 75 % d'éthanol (Fig. 1). L'ACP a été réalisée sur une matrice de corrélation pour détecter une éventuelle sélectivité de certaines NDE vis-à-vis de l'extraction de composés ou groupes phénoliques spécifiques. Environ 85 % de la variance des données cutanées a été expliquée par les composants principaux 1 et 2. Le diagramme de charge (Fig. 1B) montre une forte corrélation entre les acides phénoliques (acide ellagique, acide gallique, acide férulique) et les flavonols (myricétine, quercétine, et kaempférol). Pour extraire ces groupes, les meilleurs solvants sont NDES # 1, # 8, # 7 et 75% d'éthanol, comme indiqué dans le graphique des scores (Fig. 1A). Pendant ce temps, la catéchine et l'épicatéchine semblaient séparées du reste des groupes phénoliques. Comme le montre la figure 1A, la NDES # 3 était sélective pour extraire la catéchine et l'épicatéchine des peaux de raisin. Il s'agissait d'une observation intéressante car la NDES #3 était parmi les NDES les moins efficaces pour extraire les proanthocyanidines, qui sont des oligomères et des polymères de catéchine et d'épicatéchine [14]. Cela suggère que la NDES #3 peut être sélective vis-à-vis des proanthocyanidines de plus petites tailles moléculaires. Le regroupement des composés phénoliques sur la parcelle de chargement de la peau (Fig. 1B) était différent de la graine (Fig. 1D) indépendamment des faibles rendements de ces composés dans les pépins de raisin. Les première et deuxième composantes principales expliquaient environ 73 % de la variance des données de départ. La quercétine, la myricétine et l'acide férulique ont été extraits plus efficacement par les NDES # 6, # 7 et 75% d'éthanol, comme le montre le graphique des scores (Fig. 1C). L'acide ellagique et l'acide gallique ont été extraits plus efficacement par NDES #9. Encore une fois, la catéchine a été extraite avec la plus grande efficacité par NDES #3 qui était similaire à celle observée avec les peaux de raisin. L'épicatéchine a été extraite avec une plus grande efficacité par NDES #5, #4 et NDES #8.

3.4. L'optimisation de l'extraction des acides phénoliques et des flavonols des peaux de raisin muscadine et la modélisation de la prédiction ANN Le chlorure de choline : l'acide lévulinique : l'éthylène glycol 1:1:2 (NDES #1) a montré le rendement d'extraction le plus élevé pour l'acide ellagique, et a donc été choisi pour une optimisation plus poussée et prédiction. Les impacts de quatre facteurs, y compris la teneur en eau, le temps d'ultrasonication, le rapport solide-solvant et la température d'extraction ont été évalués pour l'extraction des acides phénoliques et des flavonols. De plus, quatre niveaux pour chaque facteur d'extraction ont été appliqués dans un total de 40 exécutions aléatoires. Le rendement d'extraction expérimental de l'acide ellagique, de l'acide gallique, de l'acide férulique, de la myricétine et de la quercétine, ainsi que la somme de ces cinq, sont présentés dans le tableau 4. Dans l'ensemble, la plage de différence de rendement d'extraction entre le plus bas et le plus élevé était relativement grande pour les acides phénoliques. Par exemple, le rendement le plus faible pour l'acide ellagique était de 9,03 mg/g (série 17) et le plus élevé était de 25,3 mg/g (série 15), ce qui entraînait une différence de 16,2 mg/g. (exécution #17). De plus, la somme de rendement la plus faible était de 20,7 mg/g et la plus élevée de 71,5 mg/g. Ceci illustre les impacts significatifs des différents niveaux de chaque facteur d'extraction sur le rendement d'extraction. L'essai #15 a extrait la plus grande quantité d'acide ellagique. La condition d'extraction de l'essai n° 15 était de 45 mL/10{{130}} mL de teneur en eau, 25 min d'ultrasons, rapport solide/solvant de 1:10 (g : mL) , et température d'extraction de 60 ◦C. La figure S3 montre le chromatogramme HPLC des acides phénoliques optimisés extraits de la peau de raisin par NDES # 1 (exécution # 15 dans le tableau 4). L'acide gallique le plus élevé (18,7 mg/g) a été obtenu en utilisant les conditions d'extraction dans l'essai n° 24 et le plus bas était de 6,63 mg/g en utilisant l'essai n° 40. Pour l'acide férulique, l'essai n° 22 a extrait la quantité la plus élevée à 19,2 mg/g, alors qu'aucun acide férulique n'a été détecté dans les essais n° 14, n° 17, n° 29 et n° 34. L'essai #22 a été extrait avec une teneur en eau de 60 ml/100 ml, 5 min d'ultrasons, 1: 5 pour le rapport solide sur solvant et une température d'extraction de 60 ◦C. L'essai #2 a extrait la myricétine la plus élevée (10,1 mg/g) et la quercétine (1,87 mg/g). Les conditions d'extraction de l'essai n° 2 étaient une teneur en eau de 60 ml/100 ml, 35 min d'ultrasons, 1:20 pour le rapport solide/solvant et une température d'extraction de 60 ◦C. Le rendement le plus faible possible (3,79 mg/g) a été extrait par l'essai n° 40. Les tracés de contour de la Fig. 2 démontrent l'effet des paramètres d'extraction (X1, X2, X3 et X4) sur le rendement prévu d'acide ellagique extrait par NDES #1 de la peau de raisin. Les rendements prédits d'acide ellagique dans le tableau 4 ont été utilisés pour construire ces parcelles de comptage. Chaque panneau illustre l'impact de 2 paramètres d'extraction. Les lignes de contour sont étiquetées avec le rendement en acide ellagique (mg/g). La teneur en eau optimale prévue était d'environ 35 à 45 ml/100 ml de NDES, comme le montrent les figures 2B et 2C. Un temps d'ultrasonication plus long a augmenté le rendement en acide ellagique (Fig. 2D et 2E), indiquant un rôle critique de la sonication dans l'extraction NDES. Lors de l'extraction, le mélange de peaux ou de pépins de raisin avec des NDES a introduit des particules et du gaz, ce qui a ajouté des sites de cavitation acoustique pour que les ultrasons génèrent de nombreuses petites bulles dans le NDES. L'implosion de ces bulles a entraîné une température extrême, un différentiel de pression, une force de cisaillement élevée, des macro-turbulences et un micro-mélange, qui ont efficacement agité la NDES pour accélérer la diffusion et le transfert de masse. Lorsque des bulles de cavitation ont implosé à la surface des particules de pépins de raisin ou de peau, les micro-jets et les collisions inter-particules résultants ont entraîné un pelage de surface, une érosion, une dégradation des particules, une sonoporation et une rupture cellulaire [20]. Tous ces effets mécaniques de la cavitation induite par les ultrasons ont intensifié la pénétration des NDE à l'intérieur de la cellule, de sorte que les composés phénoliques intercellulaires de la matrice alimentaire ont été transférés dans des solvants. Le rapport solide/solvant optimal était de 1:10, comme indiqué par les figures 2B, 2D et 2F. Enfin, des températures d'extraction plus élevées jusqu'à 60 ◦C semblent avoir un effet positif sur l'extractibilité de l'acide ellagique, comme le montrent les figures 2C, 2E et 2F. Ceci suggère une relation directe entre la température d'extraction et le rendement en acide ellagique extrait de la peau du raisin. Les rendements d'extraction d'acide ellagique (tableau 4) ont été analysés pour la modélisation de prédiction à l'aide de réseaux de neurones artificiels. Les données expérimentales ont été divisées au hasard en un ensemble d'apprentissage et un ensemble de validation. La raison d'inclure un ensemble de validation par le logiciel statistique est de supprimer le surajustement. Pour prédire le rendement en acide ellagique (Y), les quatre mêmes facteurs d'extraction indépendants (X1, X2, X3 et X4), 1 à 2 couches cachées avec un nombre différent de neurones et trois fonctions d'activation ont été évalués. Les fonctions d'activation appliquées étaient tangente hyperbolique, linéaire et gaussienne. Ensuite, les ensembles de données ont été formés jusqu'à ce qu'une valeur R au carré élevée pour la formation et la validation soit atteinte. Les données de prédiction et un modèle ont été générés. La meilleure structure ANN a été choisie en analysant les quatre entrées (X1, X2, X3 et X4) avec une couche cachée à l'aide de la fonction gaussienne avec dix neurones (Figure S5). Le R au carré des ensembles d'apprentissage et de validation était de 0,99, tandis que le RASE et l'AAE du modèle étaient de 0,062 et 0,044, respectivement. Le R au carré de la validation ANN de l'acide ellagique dans cette étude (0,99) était supérieur à la validation ANN des procyanidines (0,95) et des anthocyanines (0,91) dans une étude précédente [14]. Cependant, cette augmentation de R2 peut être attribuée à l'ajustement du modèle mieux généré des données de cette étude, ce qui pourrait être dû aux erreurs expérimentales plus petites. Les modèles prédictifs ANN pour l'extraction de l'acide ellagique à l'aide de la NDES #1 ont été représentés par l'équation 3–13 :

Cistanche pour améliorer l'immunité
Conclusion
Les résultats actuels ont présenté des preuves supplémentaires de l'efficacité des capacités NDES à extraire les polyphénols des sous-produits de l'industrie alimentaire. Les résultats ont soutenu l'hypothèse d'une extraction assistée par ultrasons supérieure de NDES sur 75% d'éthanol. La NDES a effectivement extrait trois acides phénoliques, deux flavonols et trois flavan-3-ols des peaux et des pépins de raisin. La NDES #1 était la NDES la plus efficace pour extraire l'acide ellagique, tandis que la NDES #3 était notamment sélective pour extraire la catéchine et l'épicatéchine. Un inconvénient notable des NDES est leur viscosité élevée, qui présente des défis lors de la manipulation et de la récupération. Dans la présente étude, le réseautage de neurones artificiels, quelles que soient ses limites de résultats, a démontré une approche pratique pour la modélisation prédictive. Les NDE sont des supports robustes pour récupérer les composés phytochimiques des systèmes alimentaires. Certaines NDE présentent également un solvant moins toxique pour étudier ces composés phytochimiques dans les cellules vivantes [21,22]. Enfin, les solvants eutectiques profonds naturels sont des moyens d'extraction alternatifs efficaces aux solvants organiques.

Références
[1] W. Bi, M. Tian, KH Row, Évaluation du solvant eutectique profond à base d'alcool dans l'extraction et la détermination deflavonoïdesavec optimisation de la méthodologie de surface de réponse, J. Chromatogr. A 1285 (2013) 22–30, https://doi.org/10.1016/j. chroma.2013.02.041.
[2] M. Cvjetko Bubalo, N. ´ Curko, M. Tomaˇsevi´c, K. Kovaˇcevi´c Ghani's, I. Radojˇci´c Redovnikovi´c, Green extraction of raisin skin phenolics by using deep eutectic dissolvants, Food Chem. 200 (2016) 159-166, https://doi.org/10.1016/j. foodchem.2016.01.040.
[3] M. Panic, V. Gunjevi´c, G. Cravotto, I. Radojˇci´c Redovnikovi´c, Technologies habilitantes pour l'extraction des anthocyanes de marc de raisin à l'aide de solvants eutectiques profonds naturels dans des lots allant jusqu'à un demi-litre extraction des anthocyanes de marc de raisin à l'aide de NADES, Food Chem. 300 (2019) 125185, https://doi.org/10.1016/j.foodchem.2019.125185.
[4] M. Hoffmann, et al., Muscadine Grape Production Guide for the Southeast, North Carolina State University, NC State Extension Publications, 2020 https://content. ces.ncsu.edu/muscadine-grape-production-guide (consulté le 18 janvier 2021). [5] Cline, B. et C. Fisk, Vue d'ensemble de la superficie, des cultivars et des zones de production de raisin muscat dans le sud-est des États-Unis. Atelier sur le raisin muscat pour les agents de vulgarisation coopérative, dans le Consortium des petits fruits de la région du Sud. 2006 : Consortium des petits fruits de la région sud.
[6] PC Andersen A. Sarkhosh D. Huff J. Breman 2020 6 10.32473/edis-hs100-2020.
[7] P. Greenspan, et al., Propriétés anti-inflammatoires du raisin muscat (Vitis rotundifolia), J. Agric. Aliments. Chim. 53 (22) (2005) 8481–8484, https://doi.org/10.1021/jf058015.
[8] DN Ignacio, KD Mason, EC Hackett-Morton, C. Albanese, L. Ringer, WD Wagner, PC Wang, MA Carducci, SK Kachhap, CJ Paller, J. Mendonca, L. Li Ying Chan, Bo Lin, DK Hartle, JE Green, CA Brown, TS Hudson, l'extrait de peau de raisin Muscadine inhibe les cellules cancéreuses de la prostate en induisant l'arrêt du cycle cellulaire et en diminuant la migration par la protéine de choc thermique 40, Heliyon 5 (1) (2019) e01128, https://doi .org/10.1016/j.heliyon.2019.e01128.






