تتحقیق حاضر در زمینه مدل سازی و بهینه سازی پارامترهای فرایندی با روش سطح پاسخ ( RSM) در نانو کپسوله کردن عصاره پلی فنلی حاصل از ضایعات صنعتی سیب با استفاده از مالتودکسترین است. از روش جایگزینی حلال برای نانو کپسول کردن استفاده شده است. متغیرهای مستقل نسبت هسته به پوسته، درصد وزنی سورفکتانت، زمان همگن سازی و متغیر وابسته (پاسخ) درصد مهار رادیکالهای آزاد توسط پلی فنل باقی مانده (بیان شده بر حسب DPPH%) هستند. نتایج تحلیل واریانس نشانگر تاثیر گزار بودن متغیرهای مستقل بر متغیر پاسخ در سطح اطمینان 95% ، ( P < 0.05) است. در بین متغیرهای تحت بررسی ، نسبت هسته به پوسته و درصد وزنی سورفاکتانت بیشترین تاثیر را در پاسخ داشته اند. ضریب همبستگی (92/0) و تطابق مناسب بین داده های تجربی با مقادیر پیش بینی شده توسط مدل، نشانگر انتخاب مناسب متغیرهای مستقل و بازه های آنها می باشد. شرایط بهینه عبارتند از : نسبت پوسته به هسته (5/5)، درصد سورفکتانت ( % w/v5)، و زمان همگن سازی ( min 2). در شرایط بهینه دامنه اندازه ذرات (اندازهگیری شده توسط DLS و SEM) در گستره nm 70-50 و میزان بارگیری پلی فنلها حدود 98% بود.
In present study, the process conditions for nanoencapsulation of rich polyphenolic extract of apple pomace by solvent displacement method were optimized using response surface methodology (RSM). The independent variables were expressed as wall to core ratio, surfactant w/w% and ultrasonic mixing time (min). The response (or dependent variable) was the antioxidant activity of polyphenols still remained in supernatant after nanocapsuls isolation (expressed as DPPH %), which was also optimized. The optimum conditions were: the wall to the core ratio (5.5), the percentage of the surfactant (5 %w/v), and homogenization time (2 min). The analysis of variance for response showed that relatively all independent variables are significant (p< 0.05) at the 95% confidence level. The results indicated that the shell to core (X1) followed by the percentage of surfactant (X2) are the significant factors affecting the response. In addition the coefficients of the determinations (R2 =0.922) and the good agreements between the predicted values with the experimental values for dependent variable, were another indication that the model adequately fit the chosen parameters in their ranges. In optimal condition, the particle size (measured by DLS and SEM) was in the range of 50-70 nm and polyphenol loading efficiency was about 98%.