引言：
科學期刊《自然》（Nature）於 2026 年 5 月 25 日發表一篇研究論文，指出利用貝氏優化（Bayesian optimization）集成機器學習（Ensemble machine learning）技術，能有效預測使用天然深共熔溶劑（natural deep eutectic solvents, NDES）從發酵西瓜皮中萃取生物活性物質的效率。這項研究成果為生物活性物質的提取方法帶來了新的可能性，並有望在食品、醫藥等領域得到廣泛應用。
天然深共熔溶劑萃取技術的優勢
傳統的溶劑萃取方法常使用對環境有害的有機溶劑，而天然深共熔溶劑作為一種新型的綠色溶劑，具有低毒、可生物降解、成本低廉等優點，近年來備受關注。天然深共熔溶劑是由兩種或多種天然物質混合而成，通過氫鍵作用形成具有特定物理化學性質的液體。相較於傳統溶劑，天然深共熔溶劑在萃取生物活性物質時，更能保護目標化合物的結構和活性，同時降低對環境的負擔。
研究團隊指出，西瓜皮富含多種生物活性物質，例如茄紅素、瓜氨酸等，具有抗氧化、抗炎等功效。然而，如何高效地從西瓜皮中提取這些活性物質，一直是研究人員關注的焦點。傳統的萃取方法效率較低，且可能破壞活性物質的結構。因此，開發一種高效、環保的萃取方法至關重要。
貝氏優化集成機器學習模型的應用
為了優化天然深共熔溶劑萃取發酵西瓜皮中生物活性物質的過程，研究團隊採用了貝氏優化集成機器學習模型。貝氏優化是一種高效的全局優化算法，能夠在有限的實驗次數內找到最佳的參數組合。集成機器學習則通過結合多個機器學習模型的預測結果，提高預測的準確性和魯棒性。
研究團隊首先收集了大量的實驗數據，包括不同種類的天然深共熔溶劑、萃取時間、溫度、溶劑比例等參數，以及萃取得到的生物活性物質的含量。然後，他們利用這些數據訓練集成機器學習模型，並使用貝氏優化算法來尋找最佳的萃取參數組合。實驗結果表明，該模型能夠準確預測不同參數下生物活性物質的萃取效率，並成功找到了最佳的萃取條件。
研究成果的潛在應用與未來展望
這項研究成果不僅為天然深共熔溶劑萃取技術的應用提供了新的思路，也為其他生物活性物質的提取提供了參考。通過結合貝氏優化集成機器學習模型，研究人員可以更快速、更有效地優化萃取過程，提高生物活性物質的產量和品質。
未來，研究團隊計劃將該模型應用於其他植物來源的生物活性物質的提取，並探索不同種類的天然深共熔溶劑的應用潛力。此外，他們還將研究如何將該模型與其他人工智能（Artificial Intelligence, AI）技術相結合，進一步提高萃取過程的智能化和自動化水平。這項研究的成功，預示著人工智能在生物活性物質提取領域具有廣闊的應用前景，並有望推動相關產業的發展。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機
Date: May 25, 2026