* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 七 微波萃取 (Microwave Aided Extraction，MAE) （一）微波萃取（MAE）步骤     1986年首次报道（文献1）         准确称取一定量的待测样品置于微波制样杯内, 根据萃取物情况加入适量的萃取溶剂(不超过50mL )。按微波制样要求, 把装有样品的制样杯放到密封罐中, 然后把密封罐放到微波制样炉里。设置目标温度和萃取时间, 加热萃取直至加热结束。把制样罐冷却至室温, 取出制样杯, 过滤或离心分离, 制成可进行下一步测定的溶液。  （二）   微波萃取的原理       微波一般是指波长在1mm 到1m 范围(相对频率为300- 300000MHz) 的电磁波。        微波萃取的机理可从两方面考虑, 一方面微波辐射过程是高频电磁波穿透萃取介质, 到达物料的内部维管束和腺胞系统。由于吸收微波能, 细胞内部温度迅速上升, 使其细胞内部压力超过细胞壁膨胀承受能力, 细胞破裂。细胞内有效成分自由流出, 在较低的温度条件下被萃取介质捕获并溶解。通过进一步过滤和分离, 便获得萃取物料。另一方面, 微波所产生的电磁场, 加速被萃取部分成分向萃取溶剂界面扩散速率, 用水作溶剂时, 在微波场下, 水分子高速转动成为激发态, 这是一种高能量不稳定状态,或者水分子汽化, 加强萃取组分的驱动力,或者水分子本身释放能量回到基态, 所释放的能量传递给其他物质分子, 加速其热运动, 缩短萃取组分的分子由物料内部扩散到萃取溶剂界面的时间, 从而使萃取速率提高数倍, 同时还降低了萃取温度, 最大限度保证萃取的质量。  （三）  溶剂的选择     溶剂的极性对萃取效率有很大的影响。不同的基体,所使用的溶剂也完全不同。     从植物物料中萃取精油或其它有用物质,一般选用非极性溶剂。这是因为非极性溶剂介电常数小,对微波透明或部分透明,这样微波射线自由透过对微波透明的溶剂,到达植物物料的内部维管束和腺细胞内,细胞内温度突然升高,而且物料内的水分大部分是在维管束和腺细胞内,因此细胞内温度升高更快,而溶剂对微波是透明(或半透明) 的,受微波的影响小,温度较低。连续的高温使其内部压力超过细胞壁膨胀的能力,从而导致细胞破裂,细胞内的物质自由流出,传递转移至溶剂周围被溶解。    对于其它的固体或半固体试样,一般选用极性溶剂。这主要是因为极性溶剂能更好的吸收微波能,从而提高溶剂的活性,有利于使固体或半固体试样中的某些有机物成分或有机污染物与基体物质有效地分离。  （四）  微波萃取技术的条件 微波萃取装置一般要求为带有控温附件的微波制样设备,   如CEM 公司的MA E1000 和O 1I1公司的7195 或7165 型微  波系统。 (2) 微波萃取用制样杯一般为聚四氟乙烯材料制成的样品杯。 (3) 微波萃取溶剂为具有极性的溶剂, 如乙醇、甲醇、丙酮  或水等。因非极性溶剂不吸收微波能, 所以不能用100%的非极性溶剂作微波萃取溶剂。一般可在非极性溶剂中加入一定比例的极性溶剂来使用, 如丙酮2环己烷(1∶1)。  (4) 实验要求: 在微波萃取中要控制溶剂温度使其不沸腾或在使用温度下不分解待测物。  （五）   微波萃取与传统热萃取的区别 　　传统热萃取是以热传导、热辐射等方式由外向里进行, 而微波萃取是通过偶极子旋转和离子传导两种方式里外同时加热, 极性分子接受微波辐射的能量后, 通过分子偶极的每秒数十亿次的高速旋转产生热效应, 这种加热方式称为内加热(相对地, 把普通热传导和热对流的加热过程称为外加热)。与外加热方式相比, 内加热具有加热速度快、受热体系温度均匀等特点。通过比较发现在索氏萃取、超声萃取、超临界萃取(SFE)和微波帮助萃取法(MAE)中以MAE回收率及效率均较高。（文献3，4）  （六）微波萃取的条件选择-响应表面优化法       响应表面优化法（RSM）是数学方法和统计方法相结合的产物，通过近似构造一个具有明确表达形式的多项式来表达隐式功能函数，对受多个自变量影响的响应进行建模和分析，最终目的是优化响应值。简单而言，RSM就是将所有试验点均安排到球形的表面上的试验方法，是在有限的实验次数下通过建立连续变量曲面模型，并对影响结果的各因素及其交互作用进行优化与评价的多元优化方法。           通过对因素与响应值进行多元回归分析，可以拟合成含有曲率的二阶的响应表面方程：           Y = β0  + ∑βiXi  +∑βii X2ii  + ∑βijXi Xj           其中Y为响应值，β0为常数项，βi为因素影响系数，βij为因素间交互效应系数，βii为因素的二阶影响系数。该方程反映了因素和响应值间的相关关系，通过统计学的分析可对期望的响应值进行预计和评价。目前应用较多的复杂试验设计方法包括BBD（Box–Behnken design）法，CCD（Central composite design）法和DM（Doehlert matrix）法等。 Table 1 Box–Behnken design   Run Factor 1 Factor 2 Factor 3 Response V P t Observed Predicted (mL)  (W)  (min) Peak area Peak area 1 30 (0) 800 (1) 3 (-1) 1.58186E+006 1.621E+006 2 50 (1) 800 (1) 9 (0) 1.8975E+006 2.036E+006 3 50 (1) 400 (-1) 9 (0) 2.95694E+006 2.964E+006 4 30 (0) 600 (0) 9 (0) 3.24037E+006 3.305E+006 5 10 (-1) 600 (0)  15 (1) 2.95408E+006 3.132E+006 6 30 (0) 600 (0) 9 (0) 3.32437E+006 3.305E+006 7 10 (-1) 800 (1) 9 (0) 2.47419E+006 2.467E+006 8 30 (0) 600 (0) 9 (0) 3.34926E+006 3.305E+006 9 10 (-1) 400 (-1) 9 (0) 2.97644E+006 2.838E+006 10 50 (1) 600 (0)  15 (1) 3.24605E+006 3.278E+006 11 30 (0) 800 (1)  15 (1) 2.81756E+006 2.647E+006 12 30 (0) 400 (-1)  15 (1) 2.72618E+006 2.687E+006 13 10 (-1) 600 (0) 3 (-1) 3.04664E+006 3.014E+006 14 50 (1) 600 (0) 3 (-1) 2.74227E+006 2.564E+006 15 30 (0) 400 (-1) 3 (-1) 
第3章萃取.ppt