Modélisation des mécanismes et application du processus de percolation de Salvia miltiorrhiza

Jul 06, 2023

Rapports scientifiques volume 13, Numéro d'article : 8311 (2023) Citer cet article

125 accès

Détails des métriques

La percolation est une méthode d'extraction courante dans l'industrie agroalimentaire. Dans ce travail, en prenant comme exemple l'extraction par percolation de l'acide salvianolique B de Salvia miltiorrhiza (Salviae Miltiorrhizae Radix et Rhizoma), le modèle du mécanisme de percolation a été dérivé. Le coefficient de partage volumique a été calculé en fonction de l'imprégnation. expérience. Le vide de la couche de lit a été mesuré par une expérience de percolation à facteur unique et le coefficient de transfert de masse interne a été calculé par les paramètres obtenus en ajustant le modèle cinétique d'imprégnation. Après criblage, les formules de Wilson et Geankoplis, et Koch et Brady ont été utilisées pour calculer respectivement le coefficient de transfert de masse externe et le coefficient de diffusion axial. Après substitution de chaque paramètre dans le modèle, le processus de percolation de Salvia miltiorrhiza a été prédit, et le coefficient de détermination R2 était tous supérieur à 0,94. Une analyse de sensibilité a été utilisée pour montrer que tous les paramètres étudiés avaient un impact significatif sur l'effet de prédiction. Sur la base du modèle, l'espace de conception, y compris la gamme de propriétés des matières premières et les paramètres de processus, a été établi et vérifié avec succès. Dans le même temps, le modèle a été appliqué à l'extraction quantitative et à la prédiction du point final du processus de percolation.

La percolation est une méthode d'extraction courante de la médecine traditionnelle chinoise. Généralement, l'extrait est placé dans un percolateur, le solvant est ajouté en continu dans le percolateur, et la solution après extraction est recueillie en même temps. Parmi les 1609 préparations contenues dans l'édition 2020 de la Pharmacopée chinoise (Partie I), environ 9,8% des préparations impliquaient le processus de percolation, avec un total de 157 espèces1. Les avantages de la percolation sont que l'équipement est simple et que l'opération est facile. L'avantage de la percolation pour l'extraction de la médecine traditionnelle chinoise est que le processus est doux, ce qui est propice à l'obtention de composants ou de composants thermiquement instables, etc. L'inconvénient est que la consommation de solvant est importante et le temps d'extraction est long2.

Les méthodes de modélisation actuelles pour le processus de percolation comprennent la modélisation statistique et la modélisation mécaniste. La modélisation statistique est la méthode de modélisation la plus couramment utilisée dans la recherche sur les processus de percolation.

Cao Hui a utilisé la conception Box-Behnken pour étudier les effets de la concentration d'éthanol, du temps d'immersion et du débit de percolation sur la teneur totale en saponine et le taux d'extraction total de la saponine du processus de percolation. La modélisation polynomiale du second ordre a été utilisée, et le modèle a ensuite été utilisé pour optimiser les paramètres du procédé3. Chen Weilin et al. ont étudié les trois paramètres de concentration d'éthanol, de dosage de solvant et de débit de percolation dans le processus d'extraction par percolation de Qixue Shuangbu Tinctura avec une conception Box-Behnken, et ont établi un modèle polynomial de second ordre avec la concentration des composants d'indice et des extraits comme indicateurs d'inspection, puis ont optimisé les paramètres4. La méthode de modélisation du travail ci-dessus est simple et le calcul est facile, mais l'influence de la différence de qualité des médicaments entre les lots n'est pas prise en compte.

Wang Xiaoyu a adopté l'idée du contrôle prédictif pour optimiser les paramètres de traitement de Sophora flavescens Alt. et la percolation de Heterosmilax japonica Kunth. Ils ont utilisé un polynôme du second ordre pour établir un modèle quantitatif parmi les informations de qualité de la matière première, les paramètres du processus et l'effet du processus de percolation. Ensuite, les informations de qualité des nouveaux lots de pièces médicinales ont été introduites dans le modèle, afin que les paramètres optimisés du processus de percolation puissent être calculés5. L'idée est d'ajuster les paramètres du procédé en fonction de la fluctuation de la qualité de la matière première entre les lots, ce qui est propice à stabiliser la qualité de l'extrait de percolation entre les lots. Cette méthode peut refléter la différence de qualité de la matière première dans le modèle, mais elle est difficile à appliquer à différents équipements de percolation.

Le groupe de recherche de Strube de l'Université de technologie de Clausthal a mené des recherches approfondies sur la modélisation du mécanisme du processus de percolation. Le modèle de mécanisme de processus de percolation a été établi pour simuler le processus d'extraction par percolation des baies de poivre et des gousses de vanille, et de bons résultats de prédiction ont été obtenus6. Ils ont utilisé la microscopie électronique à balayage, l'imagerie Raman/infrarouge et d'autres technologies pour étudier et déterminer les paramètres tels que la porosité et la distribution granulométrique des matériaux médicinaux. Et ils ont mesuré le contenu des composants cibles dans les matériaux médicinaux et la courbe d'équilibre d'imprégnation et ont utilisé des expériences de traceur pour déterminer le coefficient de diffusion axial et le vide de la couche de lit. Enfin, les paramètres ci-dessus ont été utilisés pour les calculs du modèle7. Ils ont comparé l'effet de l'utilisation de la loi de Fick et de l'équation de Maxwell-Stefan pour simuler l'effet de la diffusion dans le processus d'extraction de l'eau, et ont constaté que les données prédites par l'équation de Maxwell-Stefan avaient une plus grande précision8. Le groupe de recherche a mené des recherches approfondies sur la modélisation des mécanismes du processus de percolation. Le modèle de mécanisme établi peut refléter l'essence du processus de percolation et présente les avantages d'être applicable à différents lots de matières médicinales et à différents équipements, ce qui est propice à une meilleure compréhension du processus de production. Cependant, les méthodes de mesure des paramètres tels que la taille des particules et le vide de la couche de lit des matériaux médicinaux sont relativement compliquées, et les exigences en matière d'instruments et d'équipements sont relativement élevées.

Salvia miltiorrhiza (Salviae Miltiorrhizae Radix et Rhizoma) est une matière médicale chinoise couramment utilisée pour favoriser la circulation sanguine et éliminer la stase sanguine. Il a un large éventail d'effets pharmacologiques et est principalement utilisé pour le traitement des menstruations irrégulières, des palpitations, de l'insomnie et de diverses maladies cardiovasculaires, en particulier l'angine de poitrine et l'infarctus du myocarde9. Son principe actif hydrosoluble, l'acide salvianolique B (SAB) se dégrade facilement à haute température10. Par conséquent, il est plus approprié d'extraire le SAB par la méthode de percolation. Dans ce travail, en prenant la percolation et l'extraction de Salvia miltiorrhiza comme exemple, la recherche de modélisation du mécanisme de processus du processus de percolation a été effectuée. La méthode de mesure et de calcul des paramètres a été discutée, et l'espace de conception des paramètres a été obtenu par calcul à l'aide du modèle de mécanisme établi, et les méthodes d'extraction quantitative et de contrôle des points finaux ont été proposées, qui ont été vérifiées avec de nouveaux lots de matières médicinales.

Les sources de différentes Salvia miltiorrhiza ont été présentées dans le tableau 1, la substance de référence SAB (numéro de lot : 200602, pureté ≥ 98 %) a été fournie par Shanghai Winherb Pharmaceutical Technology Development. L'acétonitrile de qualité HPLC et le méthanol de qualité HPLC ont été obtenus auprès de Merck (Darmstadt, Allemagne). Aucune autorisation spécifique n'était requise pour les études de terrain décrites. La collecte de matériel végétal et la réalisation de recherches expérimentales sur ces plantes étaient conformes aux directives nationales de la Chine. Les lots D1 à D4 ont été utilisés pour la construction et l'ajustement du modèle, et les lots D5 ont été utilisés pour la validation du modèle.

La salvia miltiorrhiza est écrasée avec un broyeur de matériel médicinal (DFY-200, Wenling Linda Machinery Co., Ltd.). 15,0 g de poudre de Salvia miltiorrhiza ont été placés dans une fiole conique et 90,0 g d'eau ultra-pure (Milli-Q, Millipore) ont été ajoutés. Le lot d'herbes médicinales et la taille des particules des comprimés de médecine chinoise ont été utilisés comme variables et plusieurs groupes d'expériences ont été menés en parallèle. L'imprégnation a été terminée à différents moments respectivement. Une filtration a été effectuée pour obtenir l'extrait de Salvia miltiorrhiza. Le SAB dans l'extrait de Salvia miltiorrhiza a été détecté par chromatographie liquide à haute performance (HPLC) (système 1100, Agilent Technologies). Les courbes cinétiques d'imprégnation mesurées ont été ajustées par les formules (1) à (3) respectivement.

Modèle cinétique de premier ordre11 :

où, C représente la concentration, \({C}_{eq}\) représente la concentration de SAB en solution à l'équilibre d'immersion, k représente la constante de vitesse d'extraction globale, \(t\) représente le temps.

Modèle de Peleg12 :

où, k1 représente la constante de vitesse de Peleg, k2 représente la constante de capacité de Peleg.

Diffusion model13:

où, Deff représente le coefficient de diffusion apparent, \(r\) représente le rayon des particules médicinales. Dans ce travail, seuls les trois premiers items de la sommation infinie sont retenus.

Les étapes de la méthode d'extraction par ultrasons sont les suivantes1. 0,15 g de poudre de Salvia miltiorrhiza (passée au tamis n° 3) a été pesée avec précision et placée dans une fiole conique avec couvercle. 50 ml de solution mixte méthanol-eau (8: 2, v / v) ont été ajoutés avec précision et pesés. Après avoir passé aux ultrasons (50 W, 40 kHz) pendant 30 min et refroidi, la solution mixte méthanol-eau (8: 2, v / v) a été pesée à nouveau et le volume de solution a été ajusté à 50 ml. Après filtration, la concentration de SAB dans le filtrat a été déterminée par HPLC.

Les étapes de la méthode d'imprégnation multiple sont les suivantes. 20,0 g d'une certaine taille de poudre de Salvia miltiorrhiza ont été placés dans une fiole conique, avec environ 20 fois de l'eau a été ajoutée. Cette fiole conique a été placée dans un oscillateur thermostatique à bain d'eau (ZBR-CD-19, Shanghai Lichen Bangxi Instrument Technology Co., Ltd.) à 25 ° C pendant 2 h. Après filtration, le filtrat est récupéré. 10 fois d'eau aux matériaux médicinaux ont été ajoutés dans une fiole conique pour imprégnation pendant 2 h. Cette étape répétée 3 fois. Enfin, la teneur en SAB dans la dernière solution d'imprégnation a été déterminée par HPLC. Tous les filtrats ont été intégrés ensemble. Ensuite, le volume de filtrat a été déterminé et la teneur en SAB dans le filtrat a également été déterminée par HPLC.

De la poudre de salvia miltiorrhiza et de l'eau avec différents rapports solide-liquide ont été ajoutées à des fioles coniques, placées dans un oscillateur thermostatique à bain-marie à 25 ° C pendant 18 h. Ensuite, le mélange a été filtré avec de la gaze pour séparer l'extrait des matières médicinales, et la qualité des matières médicinales et la qualité et le volume de l'extrait ont été mesurés respectivement. La teneur en SAB dans l'extrait a été déterminée par HPLC et le coefficient de partage volumique des matières médicinales a été calculé par les formules (4) à (6).

D'après la loi de conservation de la masse, on obtient le résultat suivant :

où V est le volume, \(C\) est la concentration, les indices w et s désignent respectivement les solutions et les substances médicinales ; M0 est la teneur en SAB de la Salvia miltiorrhiza et m est la masse médicinale.

On suppose que l'intérieur des particules de matière médicinale est uniforme et que la concentration de SAB à l'intérieur des granules de matière médicinale et à la surface extérieure de la matière médicinale est linéairement liée. Lorsque l'équilibre cinétique est atteint, la concentration de la solution superficielle du médicament a été considérée comme égale à la concentration de la solution totale. Par conséquent, la formule de calcul du coefficient de partage de volume (\({D}_{is}\)) était la suivante :

Par conséquent, la formule de calcul finale de \({D}_{is}\) a été montrée dans l'équation. (6):

La salvia miltiorrhiza a été broyée, puis passée à travers des mailles de différentes tailles. Une certaine gamme de mailles (la gamme de tailles de particules de poudre de Salvia miltiorrhiza a été exprimée dans la gamme de tailles de mailles ci-dessous) de la poudre de Salvia miltiorrhiza a été imprégnée avec environ 6 fois la quantité d'eau. Après avoir été complètement gonflé, il a été placé dans un cylindre de percolation d'un diamètre de 5 cm et immergé pendant 12 h. Ensuite, l'eau a été utilisée comme solvant et la percolation a été effectuée à un certain débit (pompe péristaltique, BL100, Changzhou Vesil Fluid Technology Co., Ltd.). La solution de percolation à différents moments a été collectée et déterminée par HPLC pour obtenir la courbe du processus de percolation. Selon les conditions expérimentales du tableau 2, l'expérience de percolation à facteur unique de Salvia miltiorrhiza a été réalisée.

Les analyses ont été effectuées sur une colonne Agilent Extend-C18 (5 μm, 4,6 × 250 mm) avec la température de la colonne contrôlée à 25 °C ; Le débit de solvant a été maintenu à 1 mL/min, tandis que le volume d'injection d'échantillon a été fixé à 5 μL. La longueur d'onde de détection était de 281 nm. La phase mobile était constituée du solvant A (acide formique à 0,1 % (v/v) dans l'eau) et du solvant B (acétonitrile). Les gradients de solvant étaient les suivants : 0–10 min 7–17 % B, 10–16 min 17–21 % B, 16–32 min 21–21 % B, 32–40 min 21–29 % B, 40–44 min 29–35 % B, 44–50 min 35–72 % B, 50–55 min 72–30 % B. gramme obtenu a été montré dans la Fig. 1.

Chromatographie liquide de SAB. (a) Chromatogramme de la substance de référence SAB ; (b) chromatogramme d'un échantillon de solution de percolation de Salvia miltiorrhiza.

Le processus de dérivation fait référence au processus de transfert de masse en chromatographie sur colonne15. Prenez un élément infinitésimal de microéléments de la colonne de percolation pour analyse, comme illustré à la Fig. 2.

Schéma de principe d'un transfert de masse dans une colonne de percolation. (a) Schéma du dispositif de percolation ; (b) Diagramme schématique de la percolation. (h est la hauteur de la colonne de percolation, u0 est le débit, Dax est la diffusivité axiale, Kx est le coefficient de transfert de masse, \({C}_{w}^{*}\) est la concentration des ingrédients sur la surface externe des particules de matière médicinale).

Comme le montre la figure 2b, pour qu'un élément infinitésimal dans la colonne de percolation effectue un calcul de matériau constant, le changement de la concentration de SAB a été affecté par trois facteurs : le débit de solvant, la diffusion axiale et le transfert de masse. Selon le principe de conservation de la masse, la formule (7) peut être obtenue.

où, ε est la porosité du lit, \(a\) est la surface spécifique des particules médicinales. En supposant que les particules de matière médicinale sont sphériques idéales, la formule de calcul de la surface spécifique est :\(a=\frac{3}{r}\). Par conséquent, la formule (7) peut être transformée en formule (8).

La condition initiale de la formule ci-dessus est la suivante : la concentration de la phase aqueuse est constante avant d'entrer dans la colonne de percolation. Nous pouvons obtenir la formule (9).

Les conditions aux limites sont les suivantes : la concentration de la phase aqueuse ne changera pas après avoir quitté la colonne d'infiltration. Nous pouvons obtenir la formule (10).

De même, pour l'analyse de la phase de matière médicinale dans un élément infinitésimal de la colonne de percolation, la concentration de SAB dans les granules de matière médicinale passe à la concentration qui entre dans la phase aqueuse par transfert de masse interphase. Nous pouvons obtenir la formule (11).

En supposant que l'intérieur des particules de matière médicinale est uniforme, la relation d'équilibre solide-liquide est une simple relation linéaire. Par conséquent, nous pouvons obtenir la formule (12).

A partir de tout, nous pouvons obtenir la formule (13).

Selon les formules ci-dessus, le logiciel Matlab est utilisé pour construire un modèle de percolation pour prédire le processus de percolation. Afin d'évaluer l'effet de prédiction du modèle. Le coefficient de détermination R2 a été choisi pour évaluer le modèle. La formule du coefficient de détermination R2 est la suivante :

où, \({y}_{i}\) est la valeur mesurée du point i dans la courbe de percolation, \(\overline{{y }_{i}}\) est la valeur moyenne des valeurs mesurées de tous les points de la courbe de percolation, \(\widehat{{y}_{i}}\) est la valeur prédite du point i dans la courbe de percolation, j est le nombre de points.

Le logiciel Matlab (MathWorks, 2018b) a été utilisé pour écrire le programme et calculer l'espace de conception. L'organigramme de calcul a été illustré à la Fig. 3. Les calculs de l'espace de conception ont pris en compte les perturbations des paramètres. Avant de substituer une combinaison de paramètres dans la formule de percolation pour le calcul, une valeur aléatoire dans une certaine plage a été ajoutée à la valeur de paramètre optimisée définie pour simuler la perturbation des paramètres générée dans la production réelle. Après avoir calculé la combinaison de paramètres n fois, le résultat obtenu peut être considéré comme le groupe de résultats qui peut être produit par la combinaison de paramètres sous différentes erreurs. En comparant les valeurs du groupe de résultats avec la plage cible définie, la probabilité que les résultats puissent atteindre la cible dans le groupe de résultats peut être obtenue, c'est-à-dire la probabilité d'atteindre la cible. Différentes combinaisons de paramètres ont été calculées pour obtenir la probabilité d'atteindre la norme de chaque combinaison de paramètres, et la plage de combinaisons de paramètres supérieures à la probabilité définie d'atteindre la norme est considérée comme l'espace de conception.

Organigramme de calcul de l'espace de conception.

Les courbes cinétiques d'imprégnation de Salvia miltiorrhiza avec quatre tailles de particules de 5–10, 10–24, 24–50 et 50–65 mesh dans trois lots de D1, D2 et D3 ont été mesurées. Les courbes cinétiques d'imprégnation ont été présentées à la Fig. 4. On peut voir sur les Fig. 4c et (d) que lorsque la taille des particules des morceaux médicinaux de Salvia miltiorrhiza était petite, l'équilibre d'imprégnation était atteint en 5 minutes. Cela peut être dû aux deux raisons suivantes. Premièrement, lorsque les poudres de matières médicinales étaient plus petites, davantage de parois cellulaires étaient détruites lors du processus de pulvérisation, ce qui réduisait la résistance au transfert de masse. Deuxièmement, la plus petite taille de particule du matériau médicinal a augmenté sa surface pour le transfert de masse. Dans le même temps, la surface spécifique de la matière médicinale a augmenté, ce qui a également favorisé la diffusion du principe actif. On peut voir sur les figures 4a, b que la concentration de SAB a d'abord augmenté lorsque la taille des particules des morceaux médicinaux de salvia était plus grande, puis a progressivement tendu à atteindre l'équilibre après une certaine période de temps. La teneur en ingrédients actifs des matières médicinales provenant de différentes sources était assez différente et, par conséquent, la concentration de l'extrait était également différente lorsqu'ils étaient à l'équilibre. Dans l'ensemble, l'équilibre d'imprégnation peut être atteint dans un laps de temps relativement court, et même les matériaux médicinaux de 5 à 10 mesh peuvent atteindre l'équilibre d'imprégnation en 5 h.

Courbe cinétique d'imprégnation. (a) 5 à 10 mailles; (b) 10–24 mailles; (c) 24–50 mailles; (d) 50–65 mesh (le carré rouge ouvert représente D1, le cercle vert ouvert représente D2, le triangle bleu ouvert représente D3, - représente la courbe d'ajustement du modèle de diffusion).

Étant donné que les matériaux médicinaux 24–50 mesh et 50–65 mesh s'équilibrent rapidement, seuls les matériaux médicinaux 5–10 mesh et 10–24 mesh ont été utilisés pour l'ajustement du modèle cinétique. Les résultats d'ajustement du modèle cinétique des trois lots de matériaux médicinaux ont été présentés dans le tableau 3. On peut voir dans le tableau 3 que pour les courbes d'imprégnation de Salvia miltiorrhiza avec différents lots et différentes tailles de particules, l'effet d'ajustement de chaque modèle cinétique était relativement bon, et le R2 obtenu par la plupart des ajustements était supérieur à 0,90, parmi lesquels le modèle de diffusion avait le meilleur effet d'ajustement. En fait, nous pouvons constater que le R2 moyen du modèle de Peleg et du modèle de diffusion est relativement proche, ce qui indique que les deux modèles peuvent bien s'adapter aux courbes cinétiques. Cependant, considérant que la signification physique des paramètres du modèle de diffusion est plus explicite (où \({D}_{eff}\) est le coefficient de diffusion apparent), le modèle de diffusion a finalement été choisi. La courbe obtenue à partir de l'ajustement a été présentée à la Fig. 4 et les valeurs des paramètres obtenues à partir de l'ajustement ont été présentées au tableau 4. On peut voir que les paramètres d'ajustement du même lot de matières médicinales de différentes tailles de particules étaient relativement proches, ce qui indique que le lot de matières médicinales est un facteur important affectant le processus de macération.

Selon le tableau 2, les résultats de l'expérience de percolation à facteur unique obtenus ont été présentés à la Fig. 5. On peut voir sur la Fig. 5 que lorsque la taille des particules était plus grande, la résistance à la diffusion des composants dans les particules médicinales était relativement grande. Par conséquent, la vitesse de diffusion de SAB était lente, la concentration de la courbe de percolation diminuait plus lentement et le temps nécessaire pour atteindre le même rendement cible était plus long. Lorsque le débit de percolation était plus grand, la concentration de la courbe de percolation diminue plus rapidement et la vitesse d'extraction était plus élevée. La masse de la matière médicinale a principalement affecté le rendement final en SAB mais n'a eu aucun effet évident sur la vitesse décroissante de la courbe de percolation. Pour différents lots de Salvia miltiorrhiza, plus la teneur en SAB par unité de masse est élevée, plus le rendement final est élevé. Cela a montré que le processus de percolation de la Salvia miltiorrhiza était affecté par de multiples facteurs.

La courbe de percolation de Salvia miltiorrhiza dans différentes conditions. (a) Flux de percolation ; (b) Taille des morceaux ; (c) Dosage des matières médicinales; d) lot de substances médicinales (le point représente la valeur expérimentale, — représente la valeur prédictive).

Dans ce travail, le contenu de SAB dans Salvia miltiorrhiza a été déterminé par extraction ultrasonique et plusieurs méthodes d'imprégnation. Le contenu de SAB dans certains lots de matières médicinales mesuré par la méthode d'extraction par ultrasons et la méthode de trempage multiple a été présenté dans le tableau 5. Les résultats de la méthode d'extraction par ultrasons et de la méthode d'imprégnation multiple présentaient peu de différence. Par rapport à la méthode d'imprégnation multiple, la méthode d'extraction par ultrasons était plus simple et moins longue. Par conséquent, le contenu de SAB dans la Salvia miltiorrhiza a été déterminé par la méthode d'extraction par ultrasons. D'après les résultats de mesure, la teneur en SAB dans différents lots de matières médicinales varie considérablement, mais la taille des particules a eu peu d'effet sur la quantité maximale d'extraction de SAB. Cela suggère que si le temps d'extraction est plus long, nous pouvons toujours obtenir un effet d'extraction satisfaisant sans utiliser de plus petites tailles de particules.

Selon la formule (3), la Dis de différents lots de Salvia miltiorrhiza avec différentes tailles de particules a été calculée comme indiqué dans le tableau 6. On peut voir dans le tableau 6 que la Dis de SAB dans différents lots et différentes tailles de particules de Salvia miltiorrhiza au stade d'immersion étaient similaires, essentiellement entre 1,1 et 1,35. Il y avait un certain écart dans le Dis des matières médicinales entre les différents lots, mais la valeur moyenne est comprise entre 1,15 et 1,30. Parmi différentes tailles de particules dans le même lot, le Dis a légèrement augmenté avec la diminution de la taille des particules. Sous la même taille de particules dans le même lot, la différence globale de la Dis des matières médicinales mesurées par différents rapports solide-liquide était faible. En raison du petit changement du Dis, afin de simplifier les paramètres du modèle, la valeur moyenne du Dis de chaque lot de matériaux médicinaux de 10 à 24 mesh était de 1,21 pour prédire la valeur Dis du processus de percolation ultérieur.

Selon les données cinétiques d'imprégnation en 3.1, le temps nécessaire pour atteindre l'équilibre était relativement court lors de l'imprégnation de Salvia miltiorrhiza, et le temps initial de percolation dynamique peut être considéré comme le temps d'équilibre d'imprégnation. Par conséquent, la formule (15) peut être dérivée et calculée selon les formules (4) et (5). La valeur prédite \({C}_{w}^{0}\) au moment initial de l'expérience de percolation à facteur unique a été obtenue. En même temps, l'erreur relative RE de sa prédiction a été calculée selon la formule (16).

La valeur expérimentale et la valeur prédite au moment initial de l'expérience de percolation à facteur unique prédite par la formule (15) ont été présentées sur la figure 6, et la valeur RE était de 5,8 %. Dans l'ensemble, la valeur prédite de la concentration de SAB au moment initial de la percolation n'était pas très différente de la valeur réelle, et l'erreur relative était inférieure à 10 %, indiquant que la méthode de prédiction était réalisable. Bien que les matériaux médicinaux aient été immergés dans la colonne de percolation et n'aient pas pu être secoués comme le test de cinétique d'immersion, l'équilibre solide-liquide a été essentiellement atteint en raison du long temps d'immersion.

Valeurs prédites et expérimentales de la concentration de sortie au moment initial de l'expérience de percolation à facteur unique.

Dans cette étude, différents types de tamis ont été utilisés pour distinguer la taille des particules de la poudre médicinale chinoise. Par conséquent, selon la taille de la maille, la valeur moyenne du diamètre de maille de la maille a été prise comme la taille des particules de la matière médicinale, qui étaient de 0,3 cm (5–10 mesh), 0,1425 cm (10–24 mesh), 0,0603 cm (24–50 mesh). Après la percolation, l'eau dans la colonne de percolation a été obtenue par filtration, le volume a été mesuré et le rapport de l'eau au volume total de la colonne de percolation a été considéré comme le vide de la couche de lit. Lors de la prédiction de la courbe de percolation, la hauteur totale H de la colonne de percolation doit être connue. Par conséquent, selon les neuf groupes d'expériences à facteur unique du tableau 2, le coefficient de dilatation a de la matière médicinale (le volume de la matière médicinale par unité de poids après que la matière médicinale a été complètement gonflée) a été calculé. Le volume dans le cylindre de percolation après gonflement, puis prédit grossièrement la hauteur totale H de la colonne de percolation lors de la percolation. Parmi eux, le coefficient de dilatation des matières médicinales est calculé par la formule (17).

où, d représente le diamètre du tube d'infiltration. H a été calculé par la formule (18).

Le ε et α des matériaux médicinaux mesurés dans l'expérience de percolation à facteur unique obtenu selon le tableau 2 ont été présentés dans le tableau 7. On peut voir dans le tableau 7 que sous différents lots et conditions expérimentales, le ε n'était pas très différent, qui était d'environ 0,3 à 0,4, et le α est principalement compris entre 3,5 et 4,5. Afin de simplifier le calcul, les coefficients de vide et de taux d'expansion des matières médicinales ont été pris comme valeurs moyennes, qui étaient de 0,37 et 3,81, respectivement, et ont été définis comme des valeurs fixes dans le calcul de prédiction ultérieur.

D'après l'analyse de la Fig. 2, on peut voir que la lixiviation des composants de la Salvia miltiorrhiza comprend principalement deux étapes, l'une était le transfert de masse de l'intérieur du matériau médicinal à la surface du matériau médicinal, et l'autre était la diffusion de la surface du matériau médicinal à la solution. Par conséquent, lors du calcul, le coefficient de transfert de masse (Kx) peut être divisé en coefficient de transfert de masse interne (kint) et coefficient de transfert de masse externe (kext). La formule de calcul était répertoriée comme formule (19)16.

La formule de calcul du coefficient de transfert de masse interne a été indiquée dans la formule (20)16. La valeur de Deff peut être calculée en fonction de la valeur \(\frac{{D}_{eff}}{{r}^{2}}\) de Salvia miltiorrhiza trempant par ajustement. La valeur moyenne de Deff en maille 5–10 était de 1,073 × 10–8 m2/min, et la valeur moyenne de Deff en maille 10–24 était de 1,104 × 10–8 m2/min. Les deux valeurs étaient similaires, et en raison de la simplicité du calcul, la moyenne peut être prise 1,089 × 10–8 m2/min.

Il y avait de nombreux rapports sur le coefficient de transfert de masse externe. Plusieurs formules de coefficient de transfert de masse largement utilisées présentées dans le tableau 8 ont été sélectionnées pour l'ajustement d'essai, et la formule de coefficient de transfert de masse externe la plus appropriée a été sélectionnée parmi celles-ci.

Dans le tableau, Sh était le nombre de Sherwood, qui a été calculé par la formule (21). Sc était le nombre de Schmidt, qui a été calculé par la formule (22). Re était le nombre de Reynolds, qui a été calculé par la formule (23).

ici, ρ était la densité de la solution, μ était le coefficient de viscosité.

Dm était le coefficient de diffusion moléculaire du soluté, dont la méthode de calcul peut être vue dans le matériel supplémentaire. Le résultat du calcul était de 5,83 × 10–10 m2/s.

Le Matlab a été utilisé pour le calcul, et les résultats de calcul de neuf groupes d'expériences de percolation à facteur unique utilisant différentes formules de calcul pour Kext ont été présentés dans le tableau 9.

Comme le montre le tableau 9, les valeurs du coefficient de transfert de masse calculées par différentes formules étaient assez différentes et l'ordre de grandeur s'étend de 10–3 à 10–5 m/min. Parmi eux, la formule de Wilson et Geankoplis a calculé la plus grande valeur, et la formule de Wakao et Funazkri a calculé la plus petite valeur. Lorsque les neuf groupes d'expériences à facteur unique ont été calculés avec la même formule, il n'y avait pas de différence significative dans les valeurs expérimentales des cinq groupes E1-E3, E8 et E9, ce qui a prouvé que le lot de matières médicinales et la qualité des matières médicinales n'avaient pas une grande influence sur le Kext. Les résultats expérimentaux des groupes E1, E4 et E5 ont montré que la valeur de Kext augmente avec l'augmentation du débit de percolation. Les résultats expérimentaux de E1, E6 et E7 ont montré que le Kext augmentait avec la diminution de la taille des particules. Il a été prouvé que le débit de percolation et la granulométrie des pièces médicinales étaient les principaux facteurs affectant le Kext. Le calcul du Dax a été calé sur la formule du tableau 10.

Où, la formule de calcul du nombre de Peclet (Pe) a été montrée dans la formule (24).

Les résultats de calcul de neuf groupes d'expériences de percolation à facteur unique utilisant différentes formules de calcul du coefficient de diffusion axiale sont présentés dans le tableau 11.

On peut voir dans le tableau 11 que le Dax calculé par la formule d'Athayle était plus grand et que les résultats des calculs des quatre autres formules étaient similaires, tous dans l'ordre de grandeur de 10–5–10–6. D'après les résultats de calcul obtenus par neuf groupes d'expériences à facteur unique utilisant la même formule, les valeurs de Dax des cinq groupes de E1, E2, E3, E8 et E9 étaient similaires, indiquant que la qualité de la matière médicinale et le lot de matières médicinales avaient un Dax différent, dont l'effet était relativement faible. Cependant, les valeurs de Dax des trois groupes d'expériences E1, E4 et E5 étaient différentes. Avec l'augmentation du débit de percolation, le Dax a augmenté. Les valeurs de Dax des trois groupes d'expériences E1, E6 et E7 ont augmenté avec l'augmentation de la taille des particules des morceaux médicinaux. En résumé, il a montré que le débit de percolation et la granulométrie des pièces médicinales avaient une influence relativement importante sur le Dax.

Afin de filtrer davantage le kext et le Dax appropriés, les formules de différents Kext et Dax ont été combinées par paires et remplacées en neuf groupes d'expériences de percolation à facteur unique pour la prédiction. Le R2 moyen obtenu dans neuf groupes d'expériences pour différentes combinaisons de formules a été présenté dans le tableau 12.

Comme le montre le tableau 12, le résultat ajusté R2 obtenu dans le tableau était la valeur moyenne du R2 ajusté de neuf groupes d'expériences de percolation à facteur unique. La combinaison des formules de Wilson et Geankoplis et de Koch et Brady était plus appropriée pour le kint dans l'expérience de percolation de Salvia miltiorrhiza et le calcul du Dax.

Les résultats de calcul des divers paramètres ci-dessus ont été substitués en neuf groupes d'expériences de percolation à facteur unique de Salvia miltiorrhiza. Les résultats ont été présentés à la Fig. 5. Les courbes prédites étaient similaires aux courbes réelles et R2 était supérieur à 0,94, ce qui prouvait que le modèle de mécanisme établi avait un bon effet de prédiction et était plus fiable.

Afin de mesurer l'influence des erreurs de mesure de différents paramètres sur l'effet de prédiction final, l'analyse de sensibilité des paramètres de percolation a été réalisée dans cette étude, notamment r, ε, Dis, kint, kext, Dax. En prenant comme exemple les valeurs des paramètres obtenues à partir de l'expérience de percolation E1, les valeurs mesurées des différents paramètres et les plages d'erreur définies ont été présentées dans le tableau 13. L'analyse de sensibilité a été réalisée avec Matlab et 10 000 simulations ont été effectuées sur le processus de percolation de Salvia miltiorrhiza. Au cours de la simulation, les erreurs de mesure ou de calcul dans la plage indiquée dans le tableau 13 ont été générées de manière aléatoire et le processus de percolation de la Salvia miltiorrhiza a été prédit en fonction de ces erreurs expérimentales aléatoires.

Le diagramme de dispersion entre chaque paramètre de processus et R2 était illustré à la Fig. 7, et les valeurs des coefficients de corrélation étaient indiquées au Tableau 14. Aux Fig. 7a à f, la loi de distribution des points de dispersion de la Fig. 7f était la plus évidente. Le bord supérieur du diagramme de dispersion était lisse, indiquant que le Dis avait la plus grande influence sur R2. Lorsque le Dis était compris entre 1,0 et 1,2, R2 était le plus élevé et la plage de variation était faible. Lorsque le Dis était compris entre 1,2 et 1,3, R2 diminuait avec l'augmentation du Dis.

Résultats de l'analyse de sensibilité.

On peut voir dans le tableau 14 que les coefficients de corrélation entre les cinq paramètres de r, ε, Dis, kint, kext, Dax et R2 des résultats ajustés étaient tous significatifs (valeur P < 0,01). Les coefficients de corrélation entre les trois paramètres de ε, kext, Dis et R2 étaient tous des nombres négatifs, indiquant que lorsque les valeurs mesurées de ε, kext, Dis étaient plus petites, R2 était plus grand. Le coefficient de corrélation entre les trois paramètres de r, Dax, kint et R2 était une valeur positive, indiquant que lorsque les valeurs mesurées de r, Dax, kint étaient plus grandes, R2 était plus grand. Parmi les six paramètres, les valeurs absolues des coefficients relatifs de r, ε, kint, kext, Dax étaient toutes comprises entre 0,1 et 0,2, tandis que la valeur absolue du coefficient relatif du Dis atteignait 0,8, indiquant que le Dis avait une grande influence sur R2.

L'espace de conception a été calculé. L'indice d'évaluation a été fixé lorsque la concentration finale de percolation était inférieure à 0,1 mg/g et que le rendement en SAB était supérieur à 1700 mg. Selon les résultats expérimentaux précédents, certains paramètres expérimentaux ont été fixés dans le calcul de l'espace de conception, le coefficient de dilatation des matériaux médicinaux a été fixé à 3,81, le vide de la couche de lit a été fixé à 0,37 et le coefficient de partage du volume a été fixé à 1,21. Les propriétés des matières médicinales, la plage de paramètres et la plage de perturbation des paramètres pendant le calcul sont présentées dans le tableau 15. Chaque point expérimental a été calculé à plusieurs reprises 100 fois pour calculer la probabilité d'atteindre la norme. Lorsque la probabilité d'atteindre la norme dépasse 0,9, la combinaison des propriétés et des paramètres de la matière médicinale est considérée comme étant dans l'espace de conception. L'espace de conception a été calculé en fonction des propriétés des matières médicinales (taille des particules des pièces médicinales et teneur en SAB) et des paramètres du processus (débit de percolation, dosage des matières médicinales), comme le montre la Fig. 8.

Diagramme de l'espace de conception. (a) Masse médicamenteuse = 50,0 g; Teneur en SAB dans Salvia miltiorrhiza = 45 mg/g. (b) Débit de percolation = 2 ml/min ; Teneur en SAB dans Salvia miltiorrhiza = 45 mg/g. (c) Débit de percolation = 2 ml/min ; masse du médicament = 50,0 g. (d) R = 0,0015 m; Teneur en SAB dans Salvia miltiorrhiza = 45 mg/g. (e) R = 0,0015 m; masse du médicament = 50,0 g. (f) Débit de percolation = 2 ml/min ; R = 0,0015 m. (h) R = 0,001425 m; Teneur en SAB dans la Salvia miltiorrhiza = 37,28 mg/g. (g) Débit de percolation = 2 ml/min ; Teneur en SAB dans Salvia miltiorrhiza = 37,28 mg/g (différentes couleurs sur la figure représentaient différentes probabilités d'atteindre la norme, et la barre de couleur à droite représente la probabilité correspondante d'atteindre la norme, le cercle rouge plein était la valeur de l'expérience 1, * était la valeur de l'expérience 2, le triangle vert plein était la valeur de l'expérience 3).

Afin de vérifier la fiabilité de l'espace de conception, des points ont été sélectionnés à l'intérieur et à l'extérieur de l'espace de conception pour vérification, et le nouveau lot A5 a été sélectionné pour l'expérience. Les conditions expérimentales de vérification spécifiques sont présentées dans le tableau 16 et la figure 8g – h, et les résultats ont été présentés dans le tableau 17. Les résultats ont montré que les valeurs mesurées obtenues par les trois séries d'expériences de vérification étaient proches des valeurs prédites, indiquant que le modèle avait une bonne prévisibilité et que l'espace de conception construit était plus fiable.

La qualité des plantes médicinales chinoises varie souvent considérablement d'un lot à l'autre. Afin de stabiliser la qualité des spécialités pharmaceutiques chinoises, il est parfois nécessaire de contrôler la quantité d'extraction dans une fourchette. Afin de vérifier la faisabilité de l'extraction quantitative à l'aide du modèle de mécanisme établi, le lot D5 de Salvia miltiorrhiza avec une taille de particule de 0,001425 m et une teneur en SAB de 37,28 mg/g dans la Salvia miltiorrhiza a été sélectionné comme matière médicinale percolante. Le rendement cible est présenté dans le tableau 18. Deux expériences de validation ont été réalisées, V1 et V2, respectivement.

L'expérience V1 a utilisé 50,0 g de matières médicinales, la taille des particules était de 0,001425 m et le débit de percolation était de 2 ml/min. L'expérience V2 a utilisé 60,0 g de substances médicinales avec une taille de particules de 0,001425 m et un débit de 3 mL/min. Les résultats de la vérification sont présentés dans le tableau 18. La valeur mesurée de l'expérience de vérification est proche de la valeur prédite, ce qui indique que le modèle a une bonne prévisibilité et que le modèle est plus fiable pour prédire le point final de la percolation.

Au cours du processus de production par percolation de la médecine traditionnelle chinoise, outre l'optimisation des paramètres du processus pour obtenir une meilleure qualité du produit, la détermination du moment où mettre fin à la percolation (endpoint) est également particulièrement importante. Incomplète, entraînant un gaspillage de matériel médical. Arrêter la percolation trop tard peut entraîner une perte de temps et de solvant. En prenant la concentration de SAB dans le lixiviat inférieure à 0,1 mg/g comme standard, le modèle de mécanisme établi a été utilisé pour prédire le point final, et deux groupes d'expériences V3 et V4 ont été sélectionnés pour vérification. Le lot D5 de Salvia miltiorrhiza avec une teneur en SAB de 37,28 mg/g a été utilisé comme médicament osmotique dans les deux groupes d'expériences. L'expérience V3 a utilisé 50,0 g de matières médicinales, la taille des particules des pièces médicinales était de 0,001425 m et le débit de percolation était de 2 ml/min. L'expérience V4 a utilisé 60,0 g de matériaux médicinaux, la taille des particules des morceaux médicinaux était de 0,001425 m et le débit de percolation était de 3 ml/min. Les résultats expérimentaux vérifiés sont présentés dans le tableau 19. Les expériences de prédiction et de validation du point final ont montré que les valeurs mesurées étaient proches des valeurs prédites, indiquant que le modèle avait une bonne prévisibilité et que le modèle était plus fiable pour prédire le point final de la percolation.

Dans ce travail, un modèle de mécanisme du processus de percolation dans le domaine de la médecine traditionnelle chinoise a été établi, et le modèle d'équation aux dérivées partielles établi pourrait non seulement refléter le changement de la teneur en extrait de percolation, mais également prédire le changement sous différents paramètres. Compte tenu de la difficulté de mesurer les paramètres dans le modèle de mécanisme, ce travail a établi une méthode de calcul et de criblage pour plusieurs paramètres du processus de percolation. Une petite base de données du coefficient de diffusion axial et du coefficient de transfert de masse externe a été établie grâce à une recherche documentaire, et la combinaison de paramètres optimale a été déterminée par la combinaison de paramètres. Cette méthode a non seulement réduit le coût des expériences, mais a également assuré la précision du modèle, qui peut être efficacement généralisé à d'autres variétés. Visant les problèmes de lots irréguliers de matériaux médicinaux et de modifications faciles des paramètres de fonctionnement, ce travail a utilisé le modèle établi pour établir l'espace de conception avec des paramètres de matériau et des paramètres de fonctionnement. Dans l'expérience de validation, le modèle établi a été utilisé pour l'extraction quantitative et la prédiction du point final, et l'effet de prédiction était précis, ce qui a prouvé que le modèle établi dans ce travail avait le potentiel d'être appliqué dans le processus de production réel. Le modèle de percolation proposé par ce travail prend en compte les paramètres de l'équipement, les paramètres du procédé et les propriétés des matières premières, qui seront propices à la conception et à l'amplification de l'équipement de percolation. Ce modèle approfondit la compréhension du processus de percolation de la médecine traditionnelle chinoise et fournit une nouvelle méthode pour le contrôle de la production du processus de percolation.

Toutes les données générées ou analysées au cours de cette étude sont incluses dans cet article publié et ses fichiers d'informations supplémentaires.

Surface spécifique des particules médicinales

Concentration des ingrédients en solution

Concentrations à l'équilibre des composants en solution

Concentration des composants dans l'extrait

Concentration des composants dans le solide

Concentration prévue au moment initial de la percolation

Concentration des ingrédients sur la surface externe des particules de matière médicinale

Coefficient de diffusion apparent

Coefficient de partage de volume

Diffusivité axiale

Diamètre de la colonne de percolation

Coefficient de diffusion moléculaire

Hauteur totale du lit de la colonne de percolation

Hauteur du lit depuis l'entrée de la colonne de percolation

Taux d'extraction global constant

Constante de vitesse de Peleg

Constante de capacité de Peleg

Coefficient de transfert de masse

Coefficient de transfert de masse interne

Coefficient de transfert de masse externe

Masse médicinale

Contenu des composants cibles dans la masse unitaire des matières médicinales

Masse molaire du soluté

Le numéro d'un groupe dans la formule développée

Numéro de pecle

Rayon des particules médicinales

Coefficient de détermination

Erreur relative de prévision

Écart-type relatif

Numéro Sherwood

Numéro de Schmidt

Temps

Température expérimentale

Débit

Volume

Volume moléculaire molaire du soluté au point d'ébullition normal

Volume critique de molécules de soluté

Valeur de contribution de groupe d'un groupe

La valeur mesurée du point i dans la courbe de percolation

La valeur moyenne des valeurs mesurées de tous les points de la courbe de percolation

La valeur prédite du point i dans la courbe de percolation

Coefficient de dilatation des matières médicinales

Densité de la solution

Coefficient de viscosité de la solution

Paramètres d'association des solvants

Porosité du lit

Pharmacopée, C. Pharmacopée de la République populaire de Chine (China Medical Science Press, 2020).

Google Scholar

Wang, W., Qu, H. & Gong, X. Progrès de la recherche sur le processus d'extraction par percolation des médecines traditionnelles chinoises. Chine J. Chin. Materia Med. 45(05), 85–92 (2020).

Google Scholar

Cao, H. & Qin, H. Optimisation de l'extraction du ginsénoside total dans Gynostemma Pentaphyllum.Makino par la méthodologie de surface de conception-réponse composite centrale. Pharmacien chinois. 22(06), 1043–1046 (2019).

Google Scholar

Chen, L. et al. Optimisation de la technologie d'extraction par percolation pour nixue phuangbu qinctura par la méthodologie de surface de réponse BoxJBehnken. Menton. Tradition. Herbe. Drogues. 46(8), 1151–1155 (2015).

CAS Google Scholar

Wang, X. Application de la stratégie de contrôle par anticipation basée sur les spectres de matières premières dans les processus de fabrication des médicaments traditionnels chinois (Université du Zhejiang, 2018).

Google Scholar

Kassing, M., Jenelten, U., Schenk, J., Hänsch, R. & Strube, J. Combinaison de modélisation rigoureuse et statistique pour le développement de processus d'extractions à base de plantes sur la base des bilans de masse et des aspects biologiques. Chim. Ing. Technol. 35(01), 109–132 (2011).

Article Google Scholar

Both, S., Koudous, I., Jenelten, U. & Strube, J. Conception d'équipement basée sur un modèle pour les procédés d'extraction à base de plantes - en tenant compte des aspects botaniques et thermodynamiques. CR Chim. 17(03), 187–196 (2014).

Article CAS Google Scholar

Sixt, M., Uhlenbrock, L. & Strube, J. Vers une méthode de validation distincte et quantitative pour la modélisation prédictive des processus - Sur l'exemple des procédés d'extraction solide-liquide d'extraits végétaux complexes. Processus. 6, 66 (2018).

Article Google Scholar

Wan, X. et al. Progrès de la recherche sur les constituants chimiques et les effets pharmacologiques de la Salvia miltiorrhiza. Menton. Tradition. Herbe. Drogues. 51(03), 788–798 (2020).

Google Scholar

Cheng, Y. et al. Cinétique et voies de réaction de l'acide salvianolique B dans l'eau à haute température. ChimieSelect 3(10), 2734–2737 (2018).

Article CAS Google Scholar

Poojary, MM & Passamonti, P. Extraction de lycopène à partir de déchets de traitement de tomates : cinétique et modélisation. Chimie alimentaire. 173(15), 943–950 (2015).

Article CAS PubMed Google Scholar

Kojić, AB, Planinić, M., Tomas, S., Bilić, M. & Velić, D. Étude de la cinétique d'extraction solide-liquide des polyphénols totaux des pépins de raisin. J. Food Eng. 81(1), 236–242 (2007).

Article Google Scholar

Chan, CH, Yusoff, R. & Ngoh, GC Modélisation et étude cinétique de l'extraction par solvant conventionnelle et assistée par lots. Chim. Ing. Rés. Dés. 92(6), 1169–1186 (2014).

Article CAS Google Scholar

Cao, J. et al. Détermination de quinze composants bioactifs dans Radix et Rhizoma Salviae Miltiorrhizae par chromatographie liquide haute performance avec détection ultraviolette et spectrométrie de masse. Biomédical. Chromatogr. 22(2), 164-172 (2008).

Article CAS PubMed Google Scholar

Clowutimon, W., Shotipruk, A., Boonnoun, P. & Ponpesh, P. Développement d'un modèle de transfert de masse pour la séparation chromatographique de la lutéine libre et des acides gras dans la lutéine de souci désestérifiée. Processus de bioproduits alimentaires. Trans. Inst. Chim. Ing. Partie C. 110, 6–15 (2018).

Article CAS Google Scholar

Guiochon, G. Chromatographie liquide préparative. J. Chromatogr. A 965(1–2), 129–161 (2002).

Article CAS PubMed Google Scholar

Kostova, A., Tsibranska, I. & Bart, HJ Etude du comportement d'adsorption en lit fixe de la phénylalanine sur des résines imprégnées de solvant, Partie III. Extrait de solvant Échange d'ions 25(1), 147–163 (2007).

Article CAS Google Scholar

Williamson, JE, Bazaire, KE & Geankoplis, CJ Transfert de masse en phase liquide à faible nombre de reynolds. Ing. ind. Chim. Fondam. 2(2), 126–129 (1963).

Article CAS Google Scholar

Wilson, EJ & Geankoplis, CJ Transfert de masse liquide à très faible nombre de reynolds dans des lits à garnissage. Indengchemfundam. 5(1), 9–14 (1966).

CAS Google Scholar

Ranz, WE & Marshall, WR Évaporation des gouttes. Chim. Ing. Programme. 48(173), 141–146 (1952).

CAS Google Scholar

Wakao, N., Kaguei, S. & Funazkri, T. Effet des coefficients de dispersion des fluides sur les coefficients de transfert de masse particule-fluide dans les lits à garnissage. Chim. Ing. Sci. 33(10), 1375-1384 (1978).

Article CAS Google Scholar

Chung, SF & Wen, CY Dispersion longitudinale de liquide s'écoulant à travers des lits fixes et fluidisés. AIChE J. 14(6), 857–866 (1968).

Article CAS Google Scholar

Athalye, AM, Gibbs, SJ & Lightfoot, EN Prévisibilité des séparations de protéines chromatographiques : étude des milieux d'exclusion de taille avec des distributions granulométriques étroites. J. Chromatogr. A 589(1–2), 71–85 (1992).

Article CAS Google Scholar

Koch, DL & Brady, JF Dispersion dans des lits fixes. J. Fluid Mech. 154, 399–427 (1985).

Article ADS CAS MATH Google Scholar

Gunn, DJ Dispersion axiale et radiale dans les lits fixes. Chim. Ing. Sci. 42(2), 363–373 (1987).

Article CAS Google Scholar

Ruthven, DM Principes d'adsorption et processus d'adsorption (Wiley, 1984).

Google Scholar

Télécharger les références

Ce travail a été soutenu financièrement par le National S&T Major Project of China (2018ZX09201011-002), le Research Project of Zhejiang Provincial Department of Education (Y202045620) et les Fundamental Research Funds for the Central Universities (226-2022-00226).

Ces auteurs ont contribué à parts égales : Wanying Wang et Feng Ding.

Institut d'informatique pharmaceutique, Collège des sciences pharmaceutiques, Université du Zhejiang, Hangzhou, 310058, Chine

Wanying Wang, Feng Ding, Haibin Qu et Xingchu Gong

Centre d'innovation de l'Université du Zhejiang, Laboratoire d'État clé de la médecine chinoise basée sur les composants, Université du Zhejiang, Hangzhou, 310058, Chine

Wanying Wang, Feng Ding, Haibin Qu et Xingchu Gong

Institut Jinhua de l'Université du Zhejiang, Jinhua, 321016, Chine

Gong Xingchu

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

WW : conceptualisation, méthodologie, logiciel, enquête, rédaction - ébauche originale, acquisition de financement. FD : validation, analyse formelle, rédaction-révision et édition. Siège : supervision, administration du projet, acquisition de financement. XG : ressources, rédaction—révision et édition, acquisition de financement, supervision.

Correspondance à Xingchu Gong.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Wang, W., Ding, F., Qu, H. et al. Modélisation des mécanismes et application du processus de percolation de Salvia miltiorrhiza. Sci Rep 13, 8311 (2023). https://doi.org/10.1038/s41598-023-35529-2

Télécharger la citation

Reçu : 23 décembre 2022

Accepté : 19 mai 2023

Publié: 23 mai 2023

DOI : https://doi.org/10.1038/s41598-023-35529-2

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.