fa سنجش خواص آنتی‌اکسیدانی عصاره جلبک Sargassum glaucescens و بهینه‌سازی استخراج ترکیبات آنتی‌اکسیدانی آن با شبکه عصبی مصنوعی طب دریا Marine Medicine پژوهشي اصیل Original Article <div style="text-align: justify;"><span style="color:#000000;"><span style="font-size:12px;"><span style="font-family:IRANyekan;"><strong>زمینه و هدف:</strong> جلبک&shy; های دریایی منابع مناسبی از مواد فعال زیستی هستند. در مطالعه حاضر بهینه‌سازی عوامل موثر (زمان، دما و غلظت حلال) بر استخراج ترکیبات آنتی‌اکسیدانی عصاره جلبک قهوه‌ای <em>سارگاسوم</em> <em>گلاسسنس</em> سواحل چابهار با شبکه عصبی مصنوعی انجام شد. <strong><span style="font-family:B Mitra;"></span></strong><br> <strong>روش‌ها:</strong> عصاره جلبک سارگاسوم با متانول در سه زمان (1، 3 و 5 ساعت)، سه دما (24، 47 و 70 درجه سانتی گراد) و سه غلظت (60، 80 و 100 درصد) استخراج شد. روش مهار رادیکال آزاد برای سنجش خواص آنتی‌اکسیدانی آن استفاده گردید. میزان ترکیبات فنلی کل طبق روش استاندارد سنجش شد. از شبکه‌های عصبی مصنوعی (پرسپترون چند لایه با تابع فعالیت تانژانت هایپربولیک) با 1 لایه پنهان و 5 نورون برای بهینه‌سازی استخراج ترکیبات آنتی‌اکسیدانی عصاره جلبک سارگاسوم استفاده گردید. &nbsp;&nbsp;<br> <strong>یافته‌ها:</strong> میزان ترکیبات فنلی کل در عصاره جلبک سارگاسوم 0/56&plusmn;3/2 بر حسب میلی‌گرم اسید گالیک بر گرم عصاره بود. شبکه عصبی مصنوعی خواص آنتی‌اکسیدانی جلبک سارگاسوم را با ضریب تعیین 0/9439=<span dir="LTR">R²</span> و خطای جذر میانگین مربعات را 1/465654 پیش‌بینی کرد. همبستگی مثبت و معنی&shy;داری میان خواص آنتی‌اکسیدانی مشاهده‌ای و پیش‌بینی شده ثبت گردید. شرایط بهینه استخراج ترکیبات آنتی‌اکسیدانی بر اساس روش شبکه عصبی مصنوعی در غلظت 100 درصد، دمای 70 درجه سانتی‌گراد و زمان 5 ساعت بود. &nbsp;<strong><span style="font-family:B Mitra;"></span></strong><br> <strong>نتیجه‌گیری:</strong> طبق یافته‌های مطالعه حاضر شبکه عصبی مصنوعی توانایی پیش‌بینی شرایط بهینه استخراج عصاره جلبک سارگاسوم برای تعیین خواص آنتی‌اکسیدانی را با استفاده از پرسپترون چند لایه با تانژانت هایپربولیک دارا می‌باشد. میزان زیاد ترکیبات فنلی کل در عصاره جلبک سارگاسوم&nbsp;ممکن است دلیل خواص آنتی‌اکسیدانی آن&nbsp;باشد. &nbsp;</span></span></span></div> <div style="text-align: justify;"><span style="color:#000000;"><strong>Background and Aim: </strong>Marine algae is one of the best sources of bioactive substances. In the present study, optimization of effective factors (time, temperature and solvent concentration) on the extraction of antioxidant compounds of extract of brown algae <em>Sargassum glaucescens</em> in Chabahar beaches with the artificial neural network was conducted.<br> <strong>Methods:</strong> <em>Sargassum</em> algae was extracted with methanol at three times (1, 3 and 5 hours), three temperatures (24, 47 and 70 &deg; C) and three concentrations (60, 80 and 100%). DPPH free radical scavenging activity method was used to evaluate its antioxidant properties. Total phenolic compounds were measured according to the standard method. Artificial neural networks (multilayer perceptron with hyperbolic tangent function) with 1 latent layer and 5 neurons were used to optimize the extraction of antioxidant compounds from <em>sargassum</em> algae extract.<br> <strong>Results:</strong> The amount of total phenolic compounds in the extract of <em>Sargasom</em> algae was 3.2&plusmn;0.56 mg Galic acid/g extract. The artificial neural network predicted the antioxidant properties of <em>sargassum</em> algae with a coefficient of determination of R2=0.9439 and Root mean square error (RMSE) of 1.465654. A positive and significant correlation was observed between observed and predicted antioxidant properties. The optimal extraction conditions of antioxidant compounds based on the artificial neural network method were 100% concentration, temperature 70 &deg; C and time 5 hours.<br> <strong>Conclusion:</strong> According to the present findings, the artificial neural network has good potential to predict the optimal extraction conditions of <em>sargassum</em> algae to determine the antioxidant properties using a multilayer perceptron with hyperbolic tangent. High concentration of total phenolic compounds in <em>sargassum</em> algae extract may be the reason for its antioxidant properties.</span></div> جلبک دریایی, سارگاسوم گلاسسنس, آنتی‌اکسیدان, شبکه عصبی مصنوعی, چابهار. Marine algae, Sargassum glaucescens, Antioxidant, Artificial Neural Networks, Chabahar. 153 161 http://jmarmed.ir/browse.php?a_code=A-10-195-2&slc_lang=fa&sid=1 Afreh Nosrati افره نصرتی nosrati@cmu.ac.ir 10031947532846003342 10031947532846003342 No CMU دانشگاه Ali Taheri علی طاهری taherienator@gmail.com 10031947532846003343 10031947532846003343 Yes Department of Fisheries, Faculty of Marine Sciences, Chabahar Maritime University, Chabahar, Iran دانشیار گروه شیلات، دانشکده علوم دریایی، دانشگاه دریانوردی و علوم دریایی چابهار، چابهار، ایران Chekavak Khajehamiri چکاوک خواجه امیری ch.khajehamiri@gmail.com 10031947532846003344 10031947532846003344 No CMU دانشگاه دریانوردی چابهار