RT - Journal Article T1 - Evaluation of Antioxidant Properties of Brown Algae (Sargassum Glaucescens) Extract and Optimization of Extraction of Its Antioxidant Compounds with Artificial Neural Network JF - jmarmed YR - 2021 JO - jmarmed VO - 3 IS - 3 UR - http://jmarmed.ir/article-1-221-fa.html SP - 153 EP - 161 K1 - Marine algae K1 - Sargassum glaucescens K1 - Antioxidant K1 - Artificial Neural Networks K1 - Chabahar. AB - زمینه و هدف: جلبک­ 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 سارگاسوم گلاسسنس سواحل چابهار با شبکه عصبی مصنوعی انجام شد. روش‌ها: 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. یافته‌ها: میزان ترکیبات فنلی کل در عصاره جلبک سارگاسوم 0/56±3/2 بر حسب میلی‌گرم اسید گالیک بر گرم عصاره بود. شبکه عصبی مصنوعی خواص آنتی‌اکسیدانی جلبک سارگاسوم را با ضریب تعیین 0/9439=R2 و خطای جذر میانگین مربعات را 1/465654 پیش‌بینی کرد. همبستگی مثبت و معنی­داری 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. نتیجه‌گیری: 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 ممکن است دلیل خواص آنتی‌اکسیدانی آن باشد. LA eng UL http://jmarmed.ir/article-1-221-fa.html M3 10.30491/3.3.154 ER -