مدل‌سازي روند رهايش ليمونن از نانوساختار آميلوز در سامانه شبيه‌سازي‌شده‌ي گوارشي با استفاده از سامانه استنتاج فازي -عصبي (ANFIS)

(Modeling the release behavior of limonene from the amylose nanostructures within the simulated digestive system by using adaptive-network-based fuzzy inference system (ANFIS)

نانوپوشاني تركيبات داراي ارزش تغذيه‌اي و تكنولوژيكي و رهايش هدفمند آنها در مكان و زمان مناسب در درون محصول غذايي و يا شرايط گوارشي يكي از مباحث مهم در زمينه‌ي توليد محصولات غذايي فراسودمند و همچنين در رسانش مواد زيست‌فعال با استفاده از مواد غذايي بوده است. با توجه به پيچيدگي‌هاي سامانه‌هاي غذايي و گوارشي، تعيين روشي براي ارزيابي و پيش‌بيني ميزان رهايش ماده‌ي زيست‌فعال ريزپوشاني شده در محل و زمان مورد نظر از اهميت ويژه‌اي برخوردار است. در اين پژوهش با استفاده از روند رهايش ليمونن از نانوساختار‌هاي آميلوز در شرايط دستگاه گوارش مورد بررسي قرار گرفته و سپس با استفاده از سامانه استنتاج فازي– عصبي تطبيقي (ANFIS) به مدل‌سازي روند رهايش ليمونن پرداخته شد. در طراحي اين مدل، پارامترهاي غلظت ليمونن، غلظت آميلوز، زمان اعمال تنش فراصوت و زمان گرماخانه‌گذاري در شرايط شبيه‌سازي‌شده‌ي روده به عنوان ورودي و ميزان رهايش بعنوان خروجي در نظر گرفته شد و براي بهينه‌سازي مدل از انواع و تعداد مختلف توابع عضويت و سيكل‌هاي يادگيري متعددي به شكل آزمون و خطا استفاده شد. با بررسي مدل‌هاي مختلف، مدل‌ شامل تابع عضويت مثلثي با 4 تابع براي هر يك از ورودي‌هاي به عنوان‌ مدل‌ بهينه انتخاب شد. ضريب‌هبستگي بالاي 99/0 و مقدار ميانگين مربعات خطاي حدود 45/0 در مدل‌ بهينه، بيانگر دقت قابل قبول اين روش در پايش ميزان رهايش در شرايط گوارشي مي‌باشد. با توجه به سهولت، سادگي و دقت قابل قبول اين مدل‌هاي هوشمند مي‌توان آن‌ها را راهكاري مناسب براي ارزيابي رهايش كنترل شده در فرايندهاي غذايي و گوارشي عنوان كرد.

The nanoencapsulation and targeted delivery of nutritional ingredients in the right location and appropriate time within the digestive tract is one of the key elements in fabricating functional food products and to deliver the bioactive components incorporated in these foodstuff. With respect to the complexities of the food network and the gastrointestinal system, it seems necessary to determine a method in order to evaluate and predict the release level of the wrapped bioactive component in the desired location and time. In this study, the release behavior of limonene from amylose nanostructures were examined considering the circumstances of the digestive system and next the adaptive-networkbased fuzzy inference system was used to model the release behavior of limonene. In the design of this model, limonene concentration, amylose concentration, the time of the execution of ultrasonic stress plus the incubation time were considered as the input parameters in the circumstances of the simulated small intestine. Also, the release level was chosen as the output parameter and in order to optimize the models several membership functions together with numerous learning cycles were implemented in the form of shooting method. By the evaluation of different models, triangular membership function with 4 functions for each of the inputs was selected as the optimum model. The high value of the coefficient of determination (0.99) plus the mean square error of 0.45 in the optimized model implies the acceptable accuracy of this method to monitor the release level in the digestive circumstances. With respect to the simplicity and the acceptable accuracy of these intelligent models, they can be suggested as appropriate solutions to evaluate the controlled release behavior within the food network and the digestive system as well.