search
Contact Us
HOME

  • Crossref logo
  • Crossref Similarity Check logo
Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1225-0112(Print)
ISSN : 2288-4505(Online)
Applied Chemistry for Engineering Vol.35 No.3 pp.222-229
DOI : https://doi.org/10.14478/ace.2024.1023

Extraction of Nature Pigment with Antioxidant Properties from Sprout Barley

Dong Hwan Kim, Seung Bum Lee†
Department of Chemical Engineering, Dankook University, Gyeonggi 16890, Korea
† Corresponding Author: Dankook University Department of Chemical Engineering, Gyeonggi 16890, Korea
Tel: +82-31-8005-3559 e-mail: leesb@dankook.ac.kr
April 29, 2024 ; May 14, 2024 ; May 14, 2024

Abstract


The use of low-toxic, hypoallergenic, and environmentally friendly natural pigments has increased. With growing interest in health, research on natural extracts containing beneficial substances for the human body is actively underway. In this study, natural pigments were extracted from sprout barley using a solvent extraction method and CCD-RSM was used to optimize the extraction process. The experiment’s independent variables included extraction temperature, alcohol/ultra-pure volume ratio, and extraction time. The response variables were set to achieve a target chromaticity (L = 45, a = -35, b = 45), and to maximize DPPH radical scavenging activity evaluating the antioxidant capacity. The statistical significance of the main effect, interaction effect, and effect on the response value was evaluated and analyzed through the F and P values for the regression equation variables calculated using RSM optimization. Additionally, the reliability of the experiment was also confirmed through the P values of the probability plot graph. The extraction conditions for optimizing the four reaction values are 76.1 vol.% alcohol/ultra pure water volume ratio, an extraction temperature of 52.9 °C , and an extraction time of 49.6 min. Under these conditions, the theoretical values of the reaction values are L = 45.4, a = -36.8, and b = 45.0 DPPH radical scavenging activity = 30.9%. When the actual experiment was conducted under these optimal extraction conditions and analyzed, the measured values were L = 46.2, a = -36.1, and b = 48.2, and antioxidant capacity = 31.1% with an average error rate of 2.9%.


CCD-RSM , Optimization , Natural pigment , Antioxidant capacity , DPPH radical scavenging

새싹보리로부터 항산화기능성을 갖는 천연색소의 추출
- CCD-RSM을 이용한 최적화

김동환, 이승범†
단국대학교 화학공학과

초록


독성이 없고 자극이 적은 환경친화적인 천연색소 사용이 증가하고, 건강에 관심을 가지는 사람이 많아짐에 따라 인체에 유익한 물질을 함유한 천연 추출물에 대한 연구가 활발히 진행 중이다. 이에 따라 본 연구에서는 용매추출법을 이용하여 새싹보리로부터 천연 색소를 추출하고 추출공정의 최적화를 위해 CCD-RSM을 이용하였다. 실험의 독립변수는 추출온도, 주정/초순수 부피비, 추출시간으로 설정하고 반응치는 목표하는 색 좌표(L = 45, a = -35, b = 45)와 항산화능을 평가하는 DPPH 라디칼 소거능을 최대치로 설정하였다. RSM 최적화를 통해 산출된 회귀방정식 변수들에 대한 F value와 P value을 통해 주효과도와 교호효과도의 통계적 유의미 여부와 반응치에 대한 영향성을 평가 및 분석하였으며, 각 회귀방정식과 확률도 그래프의 P value를 통해 실험의 신뢰성을 확인하였다. 반응치 4개를 최적화시키는 추출 조건은 추출온도 52.9 °C, 주정/초순수 부피비 76.1 vol.%과 추출시간 49.6 min이며 이 때, 반응치의 이론값은 L = 45.4, a = -36.8, b = 45.0 항산화능 = 30.9%이다. 최적의 추출 조건으로 실제 실험을 진행하여 분석한 결과 색 좌표 L = 46.2, a = -36.1, b = 48.3, 그리고 항산화능 = 31.1%로 평균 오차율 2.9%로 측정되었다.


    1. 서 론

    현대 사람들이 건강에 관심을 가지게 되면서 인체에 발생하는 활성 산소를 억제해주는 항산화제에 대한 관심이 증가하고 있다. 이중 저자극, 저독성, 저오염 등의 성질을 가진 친환경 소재에 관한 관심이 생김에 따라 다양한 친환경 소재 연구가 활발하게 진행되고 있다[1,2]. 이는 색소영역에서도 마찬가지로 식품, 화장품, 의류 등의 영역에서 환경오염을 줄이고, 인체 유해성을 낮추며 다양한 영양성분이 함유된 친환경 색소에 관한 연구가 활발하게 진행되고 있다[3,4]. 이중 새싹 보리(sprout barley)는 벼목 벼과 보리속에 속하는 식물로 한해살이 또는 두해살이 식물이다. 밀싹, 보리싹과 같은 새싹의 경우 자신을 보호하며 성장하기 위해 비타민, 아미노산, 무기질과 다양한 생리 활성물질이 다 자란 보리에 비해 더 풍부하게 함유되어 있다고 보고되어 있다[5]. 보리에는 chlorophyll, SOD, 비타민 C·E, β-카로틴, saponarin, lutonarin과 같은 다양한 폴리페놀 화합물, quercetin, catechin과 같은 플라보노이드 성분 등 다양한 항산화 물질을 함유하고 있다[6]. 기능성 물질을 함유한 천연색소는 추출 방법, 추출조건 등 다양한 변수에 매우 예민하여 합성 원료에 비해 경제성이 떨어진다[7]. 이에 따라 친환경 천연색소의 색도 및 기능성 최적화를 위해 반응표면분석법 중 중심합성설계모델(central composite design model-response surface methodology, CCD-RSM)을 사용하였다. 반응표면분석법이란 실험의 반응치에 대해 영향을 미치는 인자를 독립적으로 분석 후 종합적으로 고려하여 목표화 또는 최적화하기 위해 수학 및 통계학적으로 처리하는 방법으로 다양한 분야에서 사용되는 최적화 공법이다[8-11]. 반응 표면분석법에 사용되는 용어는 실험목적에 부합한 값을 나타내는 반응치(response, y), 반응치에 대한 영향을 주는 계량인자(quantitative factor)와 계수인자(qualitative factor), 그리고 주효과(main effect), 교호작용(interaction) 등이 있다. 반응표면분석법의 모델은 주효과 + 주 효과2 + 교호작용의 2차 회귀방정식 모델을 이용해 다음과 같은 식으로 나타낼 수 있다[12].

    y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + β 12 x 1 x 2 + β 13 x 1 x 3 + β 23 x 2 x 3 + β 11 x 1 2 + β 22 x 2 2 + β 33 x 3 2
    (1)

    여기서 반응치인 y는 색 좌표인 L, a, b값과 항산화능을 평가하기 위한 DPPH 라디칼 소거능으로 설정하였고, 독립변수 x1 , x2x3 는 추출 온도, 주정/초순수 부피비, 추출시간이다.

    따라서 본 연구에서는 새싹보리를 대상으로 진한 녹색을 띠는 클로로필을 추출하고 색도 및 항산화능을 평가하였다. 추출과정의 최적화를 위해 중심합성계획모델-반응표면분석법(central composite design model-response surface methodology, CCD-RSM)을 이용하여 실험을 진행하였고, 결과에 따라 산출된 각 반응치에 대한 회귀방정식을 분석하였여 최적 추출조건을 산출하고자 하였다.

    2. 재료 및 방법

    2.1. 새싹 보리로부터 기능성물질의 추출공정

    본 연구에서 용매추출법을 이용하여 천연물인 새싹 보리로부터 기능성물질을 추출하였다. 약 15 cm 정도 자란 새싹보리를 40 °C dry oven을 통해 질량 변화가 없을 때까지 건조 후 분쇄하여 사용하였다. 200 mL 용매와 건조된 5 g 천연물을 고정변수로 설정하였고 추출온도, 주정/초순수 부피비와 추출 시간을 독립변수로 사용하여 추출공정을 수행하였다. 추출 후 진공 여과장치를 사용하여 여과하였으며, 진공증류장치(Eyela N-N type, Aspirator)를 이용하여 40 °C에서 증류 과정을 수행하였다. 증류과정 후 농축액을 -20 °C 냉동고에 12 h 동안 보관한 후, 동결건조 장치(LP3, Jouna, France)를 이용하여 0.1 mbar, -40 °C에서 24 h 건조했다.

    2.2. CIE L-a-b 공간을 이용한 색도 분석

    CIE L-a-b 공간을 이용하여 추출된 새싹보리의 색도에 대한 정량 분석을 하였다. 색 좌표 L값은 명도를 나타내는 수치로 항상 양수이며, 0에 가까울수록 어두운색, 100에 가까울수록 밝은색을 나타낸다. 색 좌표 a값은 빨간색과 초록색의 정도를 나타내는 수치로 양수일 경우 빨간색, 음수일 경우 초록색을 나타낸다. 또한 색 좌표 b값은 노란색과 파란색의 정도를 나타내는 수치로 양수일 경우 노란색, 음수일 경우 파란색을 나타낸다. 색 좌표 a값과 b값은 -128에서 128까지 나타내며, 절댓값이 클수록 나타내는 색의 진함이 강해진다[13]. 본 연구에서는 색차계(CT-310, Konica Minolta)를 사용하여 천연색소의 색 좌표 L, a, b값을 측정하였으며, 다양한 산업의 실용가치를 고려하여 영양분이 풍부하게 함유되어 보이는 진한 녹색(L = 45, a = -35, b = 45)을 목표 색 좌표로 설정하였다.

    2.3. 항산화능 측정

    추출된 새싹보리 추출물의 항산화능을 평가하기 위해 자외선 분광 광도계(Optizen 2120 UV, MECASYS)를 이용하여 Lu와 Foo 등이 제안한 방법으로 DPPH 라디칼 소거능을 측정하였다[14]. 1:100으로 희석한 추출물 2 mL에 에탄올에 용해된 0.1 mM DPPH (2,2-diphenyl- 1-picrylhydrazyl) 1 mL 용액을 가하여 10 분간 암실에서 반응시킨 다음 517 nm 파장에서 흡광도를 측정하여 다음 식으로부터 항산화능을 계산하였다.

    Antioxidant Capacity  = ( A b s c o n t r o l − A b s s a m p l e A b s c o n t r o l ) × 100 ( % )
    (2)

    여기서 Abscontrol은 추출물을 첨가되지 않은 무첨가 군(control)이고, 본 연구에서는 증류수 2 mL와 1 mL DPPH를 사용하였다. 그리고 Abssample 은 증류수를 용매로 사용하였다. 측정된 흡광도를 통해 DPPH 라디칼 소거능을 백분율(%)로 나타낼 수 있고, 값이 클수록 높은 항산화능을 가진 물질이다.

    3. 결과 및 고찰

    3.1. 반응표면분석법의 독립변수 범위 설정

    본 연구에서 추출공정의 독립변수로는 추출온도, 주정/초순수 부피 비, 추출시간 등을 설정하였다. 각 독립변수의 범위 설정 및 그에 따른 경향성을 파악하기 위해 기초실험을 진행하였다. 주정/초순수 부피 비 변화에 따라 색좌표 및 항산화능을 실험한 결과 60 vol.% (L = 60, a = -25, b = 60, 항산화능 = 24.9%), 80 vol.% (L = 35, a = -50, b = 40, 항산화능 = 36.6%)으로 가장 우수하게 나타나 주정/초순수 부피비가 60~80 vol.% 사이에서 최적 조건이 존재한다는 것을 예측할 수 있었다. 또한 가장 큰 변화를 보인 색좌표 L의 경우 추출온도가 증가함에 따라 40 °C (63.4), 70 °C (59.6)로 감소하고, 추출시간이 변 화함에 따라 30분(65.9), 60분(58.4)로 감소하는 경향을 보였다. 기초 실험 결과를 종합하여 CCD-RSM의 독립변수 범위를 온도(50~70 °C), 주정/초순수 부피비(60~80 vol.%), 추출시간(40~60 min)으로 설정한 후 최적화 과정을 진행하였다.

    3.2. 반응표면분석법을 이용한 최적화 과정

    본 연구에서 반응표면분석법을 통해 목표치의 색도와 기능성 향상을 위해 중심합성설계모델(central composite design)을 이용한 반응표 면분석법(response surface methodology)을 활용하여 최적화하였다. 3 개의 연속요인을 설정하여 반응표면설계를 진행하였고, 독립변수는 추출온도(x1 ), 주정/초순수 부피비(x2 ), 추출시간(x3 )으로 설정하여 20 번의 표면설계를 생성하였고, 이에 따른 반응치는 색 좌표 L, a, b값과 항산화능으로 설정하였다. 생성된 설계와 이에 맞는 변수로의 실험을 진행하였고, 결과는 Table 1에 나타내었다. 설계를 진행하며 각 독립변수에 따른 반응치가 영향을 받는 정도를 확인하기 위해 각 반응치에 대한 2차 회귀방정식을 통해 주효과도와 교호효과도를 분석하였다. 목표 반응치인 색 좌표 L, a, b값과 항산화능에 대한 회귀방정 식은 다음과 같다.

    L = 8.9 − 0.81 x 1 + 2.25 x 2 + 1.38 x 3 + 0.00372 x 1 2 − 0.02305 x 2 2 − 0.01421 x 3 2 + 0.0005 x 1 x 2 + 0.0040 x 1 x 3 − 0.0039 x 2 x 3
    (3)

    a = − 223 + 1.49 x 1 + 4.98 x 2 + 0.79 x 3 − 0.01179 x 1 2 − 0.04428 x 2 2 − 0.00984 x 3 2 − 0.0017 x 1 x 2 + 0.0005 x 1 x 3 + 0.0023 x 2 x 3
    (4)

    b = 231.6 − 3.21 x 1 − 2.505 x 2 + 1.340 x 3 + 0.02901 x 1 2 + 0.01377 x 2 2 − 0.00635 x 3 2 + 0.00055 x 1 x 2 − 0.00692 x 1 x 3 − 0.00510 x 2 x 3
    (5)

    D P P H = 30.1 + 0.222 x 1 − 0.968 x 2 + 0.221 x 3 − 0.00233 x 1 2 + 0.01158 x 2 2 − 0.00534 x 3 2 − 0.00196 x 1 x 2 + 0.00366 x 1 x 3 + 0.00070 x 2 x 3
    (6)

    회귀방정식에 대해서 반응치에 대한 각각의 회귀 계수를 분석한 표를 Table 2에 나타내었다. 회귀방정식 모형의 신뢰도를 나타내는 결정 계수(R2)은 색 좌표 L = 95.7%, a = 94.7%, b = 97.2%, 그리고 항산 화능 = 97.5%로 높게 측정이 되었고, 이것은 예측값과 실험값이 유사하다는 것을 의미한다[15]. Figure 1은 독립변수 변화에 따른 색 좌표 L, a, b 변화를 등고선도로 나타낸 그림이다. 위에서부터 반응치인 색 좌표 L, a, b 순으로 나타내었다. 그리고 Figure 2는 독립변수 변화에 따른 항산화능의 변화를 3D 그래프와 등고선도로 나타낸 그림이다. Table 2에서 각 반응치에 대한 변수의 F value와 P value를 통해 주효과도와 교호효과도의 통계적 유의미를 분석할 수 있고, FIgure 1, 2의 등고선도의 분포 및 변화량을 통해 반응치에 유효하게 적용되는 주효과도와 교호효과도를 확인할 수 있다. 신뢰성 및 통계적 유의미성을 나타내는 P value는 0.05 이하의 값을 가질 때, 귀무가설을 기각, 통계 적 유의성이 존재한다[16,17]. 따라서 복잡한 회귀방정식을 Table 2에 서 P value 0.05 이상인 항을 통계적 유의성이 없는 항으로 제거할 수 있다. 색 좌표 L값에서는 x2 , x 2 2 , 색 좌표 a값에서는 x2 , x 2 2 , 색 좌표 b에서는 x2 , x 1 2 , x 2 2 , 그리고 항산화능에서는 x2 , x 2 2 을 제외한 나머지 항들의 P value가 0.05 이상이므로 통계적 유의성이 없으므로 제거되면 식(3)에서 식(6)은 다음과 같이 정리할 수 있다.

    L = 8.9 + 2.25 x 2 − 0.02305 x 2 2
    (7)

    a = − 223 + 4.98 x 2 − 0.04428 x 2 2
    (8)

    b = 233.3 − 2.527 x 2 + 0.02916 x 1 2 + 0.01393 x 2 2
    (9)

    D P P H = 30.1 − 0.968 x 2 + 0.01158 x 2 2
    (10)

    주효과도는 한 변수가 반응치에 영향을 끼치는 정도, 교호효과도는 한 변수의 반응이 다른 변수의 수준에 의존하는 정도를 수치로 나타낸 것으로 주효과도와 교호효과도의 F value가 클수록 반응치에 영향을 크게 준다[18]. Table 2에서 x2 에 해당하는 주정/초순수 부피비에 대한 F value가 각각 색 좌표 L = 204.7, a = 155.7, b = 292.1, 그리고 항산화능 = 363.4이고 P value는 모두 < 0.0001인 것을 통해 주정/초 순수 부피비가 모든 반응치에 가장 영향을 주는 주효과도인 것을 알 수 있었다. 또한 수정된 각 반응치의 회귀방정식을 보았을 때 주정/초 순수의 부피비가 모든 반응치에 가장 큰 영향을 주었고 추출온도와 추출시간은 통계적 유의성이 없어 반응치에 영향을 줄 수 없다고 할 수 있다. 그리고 Figure 1, 2의 등고선도에서도 주정/초순수 부피비에 변화에 따라 색좌표의 변화량이 크고 추출 온도나 추출시간에 따른 변화량은 매우 미세한 것을 확인할 수 있었다. 교호효과도의 경우, 색 좌표 a값과 항산화능의 경우에는 추출온도와 주정/초순수 부피비에 대한 F value가 가장 크고, 색 좌표 L과 b값은 추출온도와 추출시간에 대해 F value가 크지만, 매우 수치가 낮고, P value가 0.05 이상이므로 통계적으로 유의미하지 못하여 반응에 영향을 거의 미치지 못하는 것을 Table 2와 수정된 회귀방정식을 통해 알 수 있었다. 그리고 Figure 1, 2의 추출온도와 추출 시간에 대한 반응치의 등고선도를 보았을 때 변화량이 거의 없어 평평한 등고선을 보여주고 있고, 이는 주 효과도의 영향이 매우 커 교호효과도는 반응치에 영향을 주지 못하고 있는 것을 확인할 수 있었다.

    각 반응치에 대한 95% 신뢰도와 각 실험 결과에 따른 확률도 그래프를 Figure 3에 나타내었다. 확률도 그래프의 P value도 0.05 이하의 값을 가질 때 통계적으로 유의미하며, 신뢰성 및 재현성이 존재한 실험 결과라고 할 수 있다[16-18]. 반응치인 색 좌표 L, a, b값과 항산화 능에 대한 확률도의 P value는 색 좌표 L = 0.012, a < 0.005, b = 0.041, 그리고 항산화능 = 0.049로 모두 0.05 이하의 값을 나타내며 통계적으로 유의미한 실험데이터라고 할 수 있다. 또한 확률도에 분포된 점들이 직선을 형성하고 있다. 이는 실험데이터의 정규성이 충족되고 신뢰할 수 있음을 의미한다[19].

    3.3. 종합만족도 평가

    본 연구에서는 추출온도, 주정/초순수 부피비, 추출시간을 CCDRSM 모델에서 독립변수로 설정하고 색 좌표 L, a, b값과 항산화능을 분석하는 DPPH 라디칼 소거능을 모델의 반응치로 설정하여 목표치의 색도, 최대치의 항산화능을 위한 최적화 연구를 진행하였다.

    항산화능 최적화 설정 유무의 최적화 값을 비교하기 위해 항산화능을 최대치 설정에서 제외한 후 목표치인 색 좌표 L, a, b에 따른 최적의 추출 조건 분석을 한 결과, 추출온도 52.9 °C , 주정/초순수 부피비 74.5 vol.%, 추출시간 60.1 min으로 산출되었고, 이 조건에 따른 반응치 결과는 L = 45, a = -35, b = 45로 종합만족도, D 값은 1.000의 결과가 산출되었다. 종합만족도 D 값은 목적함수를 만족하기 위해 각 종속변수들이 목표치에 얼마나 근접한지를 수치로 나타낸 값으로 1 에 가까울수록 이상적인 최적화 값이다[20]. 따라서 색 좌표 L, a, b에 대한 CCD-RSM 최적화는 목표하는 반응치와 일치한 것을 알 수 있 다. 이 추출 조건을 (6)번 회귀방정식에 대입하여 항산화능을 계산하여 예측했을 때 28.5%로 산출되었다. RSM을 통해 산출된 최적 조건으로 실험을 진행한 결과 색 좌표 L = 45.5, a = -33.6, b = 46.8, 그리고 항산화능 = 27.6%로 평균 오차율 ± 3.2%로 측정되었다.

    색좌표 L, a, b를 목표치, 항산화능을 최대치로 설정 후, CCD-RSM 분석에 따른 회귀방정식을 통해 3개의 독립변수를 종합적으로 고려한 종합만족도 그래프를 보면 반응치인 목표하는 색도에 최대한 맞추고 그에 맞는 항산화능이 최대인 곳을 선정하여 산출되었고, Figure 4에 나타내었다. 최적의 추출 조건은 추출온도 52.9 °C , 주정/초순수 부피 비 76.1 vol.%, 추출 시간 49.6 min로 산출되었고, 이에 따른 최적화 반응치는 색 좌표 L = 45.4, a = -36.8, b = 45.0, 그리고 항산화능 = 30.9%로 산출되었다. 종합만족도 D 값은 0.8504로 측정되었고, 이는 목표하는 반응치에 근접한 값을 나타낸다. 색 좌표의 최적화 값과 비교하였을 때 색 좌표의 미세한 차이는 있으나, 항산화능이 높게 산출된 것을 알 수 있다. RSM을 통해 산출된 최적 조건으로 실제 실험을 진행하였을 때, 색 좌표 L = 46.2, a = -36.1, b = 48.3, 그리고 항산화 능 = 31.1%로 평균 오차율 ± 2.9%로 측정되었다.

    4. 결 론

    본 연구에서는 새싹보리로부터 기능성 물질을 추출하고, 색도를 나타내는 CIE L-a-b 공간과 항산화능을 최적화하기 위해 CCD-RSM을 이용하여 분석하였다.

    1. CCD-RSM을 이용하여 산출된 반응치의 회귀방정식을 얻게 되며 각 반응치에 대한 확률도 그래프의 P value를 통해 신뢰성이 있는 방정식임을 알 수 있었다. 각 반응치의 회귀방정식 대한 주효과도와 교호효과도의 F value와, P value를 통해 주정/초순수 부피비에 따라 반응치의 변화가 크게 나타나는 주효과도인 것을 확인하였다.

    2. 항산화능을 제외하고 목표 색좌표를 L = 45, a = -35, b = 45로 설정하고 최적화 과정을 진행한 결과 최적 추출조건은 추출온도 = 52.9%, 주정/초순수 부피비 = 74.5 vol.%, 추출시간 = 60.1 min으로 산출되었고, 이때 반응치는 색 좌표 L = 45.0, a = -35.0, b = 45.0, 그리고 항산화능 = 28.4%로 산출되었다. 실제실험 결과 색 좌표 L = 45.5, a = -33.5, b = 46.8, 그리고 항산화능 = 27.5%로 측정되었고, 평균 오차율은 ± 3.2%로 측정되었다.

    3. 목표 색 좌표는 L = 45, a = -35, b = 45로 설정하고, 항산화능을 최대치로 설정 후 최적화를 진행하였을 때 최적화 조건은 추출온도 = 52.9 °C , 주정/초순수 부피비 = 76.1 vol.%, 추출시간 = 49.6 min으로 산출되었고, 이 조건에서의 반응치인 색 좌표 L = 45.4, a = -36.8, b = 45.0, 그리고 항산화능 = 30.9%로 항산화능 최적화를 제외했을 때 보다 높게 산출되었다. 최적 조건에서 실제 실험을 진행한 결과, 색 좌표 L = 46.2, a = -36.1, b = 45.2, 그리고 항산화능 = 31.1%로 평균 오차율은 ± 2.9%로 측정되었다.

    Figures

    ACE-35-3-222_F1.gif
    Contour graph of L, a, b according to various variables using CCD-RSM.
    ACE-35-3-222_F2.gif
    3D Surface and contour graph of antioxidant capacity according to various variables using CCD-RSM.
    ACE-35-3-222_F3.gif
    Probability plot of L, a, b, and antioxidant capacity of sprout barley using CCD-RSM.
    ACE-35-3-222_F4.gif
    Optimization graph of response surface for CIE L-a-b and antioxidant capacity.

    Tables

    CIE Chromaticity Analysis and Antioxidant Capacity Using CCD-RSM
    Response Values of Regression Equation Coefficients Calculated by CCD-RSM

    References

    1. C. S, Eun, E. Y. Hwang, S. O. Lee, S. A. Yang, and M. H. Yu, Anti-oxidant and anti-inflammatory activities of barley sprout extract, J. Life Sci., 26, 537-544 (2016).
    2. S. O. Lee, H. J. Lee, M. H. Yu, H. G. Im, and I. S. Lee, Total poly-phenol contents and antioxidant activities of methanol extract from vegetables produced in Ullung Island, Korean J. Food Sci. Technol., 37, 233-240 (2005).
    3. I. K. Hong, H. Jeon, and S. B. Lee, Extraction of natural dye from gardenia and chromaticity analysis accroding to chi parameter, J. Ind. Eng. Chem., 24, 326-332 (2015).
    4. M. M. Kamel, R. M. El-Shishtawy, B. M. Yussef, and H. Mashaly, Ultrasonic assisted dyeing III. Dyeing of wool with lac as a natural dye, Dyes Pigm., 65, 103-110 (2005).
    5. I. S. Kim, S. H. ,Han and K. W. Han, Study on the chemical change of amino acid and vitamin of rapeseed during germination, J. Kor. Soc. Food Sci. Nutr., 26, 1058-1062 (1997).
    6. Y. M Yu, W. C. Chang, C. T. Chang, and C. L. Hseieh, Effects of young barley leaf extract and antioxidative vitamins on LDL oxidation and free radical scavenging activities in type 2 diabetes, Diabetes Metab., 28, 107-114 (2002).
    7. J. H. No, H, N. Yoon, S. R. Park, S. J. Yoo, and M. S. Shin, Color Stability of Chlorophyll in Young Barley Leaf, J. East Asian Soc. Diet. Life, 26, 314-324 (2016).
    8. M. A. Bezerra, R. E. Santelli, E. P. Oliveira, L. S. Villar, and L. A. Escaleira, Response surface methodology (RSM) as a tool for optimization in analytical chemistry, Talanta, 76, 965-977 (2008).
    9. T. Belwal, P. Dhyani, I. D. Bhatt, R. S. Rawal, and V. Pande, Optimization extraction conditions for improving phenolic content and antioxidant activity in Berberis asiatica fruits using response surface methodology (RSM), Food Chem., 207, 115-124 (2016).
    10. D. Bas and D. Boyaci, Modeling and optimization I: Usability of response resurface methodology, J. Food Eng., 78, 836-845 (2007).
    11. A. A. D'Archivio and M. A. Maggi, Investigation by response surface methodology of the combined effect of pH and composition of water-methanol mixtures on the stability of curcuminoids, Food Chem., 219, 414-418 (2017).
    12. S. B. Lee, W. J. Lee, and I. K. Hong, Application of response surface methodology for optimization of nature dye extraction process, Appl. Chem. Eng., 29, 283-288 (2018).
    13. M. del M. Perez, R. Ghinea, M. J. Rivas, A. Yebra, A. M. Ionescu, R. D. Paravina, and L. J. Herrera, Development of a customized whiteness index for dentistry based on CIE Lab color space, Dent. Mater., 32, 461-467 (2016).
    14. Y. Lu and L. Y. Foo, Antioxidant activities of polyphenols from sage (Salvia officinalis), Food Chem., 75, 197-202 (2001).
    15. M. Y. Noordin, V. C. Venkatesh, S. Sharif, S. Elting, and A. Abdullah, Application of response surface methodology in describing the performance of coated carbide tools when turning AISI 1045 steel, J. Mater. Process. Technol., 145, 46-58 (2004).
    16. J. Cao, Y. Wu, Y. Jin, P. Yilihan, and W. Huang, Response surface methodology approach for optimization of the removal of chromium (VI) by NH2-MCM-41, J. Taiwan Inst. Chem. Eng., 45, 860-868 (2014).
    17. H. J. Yoon, I. T. Ham, J. S. Kim, and J. D. Choi, Optimization of the manufacturing process for boiled-dried anchovy using response surface methodology (RSM)., J. Kor. Soc. Fish Mar. Edu., 29, 1984-1993 (2017).
    18. M. O. Saeed, K. Azizli, M. H. Isa, and M. J.K. Bashir, Application of CCD in RSM to obtain optimize treatment of POME using Fenton oxidation process, J. Water Process Eng., 8, 7-16 (2015).
    19. M. Tripathi, A. Bhatnagar, N. M. Mubarak, J. N. Sahu, and P. Ganesan, RSM optimization of microwave pyrolysis parameters to produce OPS char with high yield and large BET surface area, Fuel, 277, 118-184 (2020).
    20. H. J. Kim and W. B. Yoon, Determination of optimum processing conditions for extruded rice cake using response surface methodology, Korean J. Food Preserv., 27, 601-616 (2020).
    Copyright © The Korean Society of Industrial and Engineering Chemistry. All rights reserved.