Published May 8, 2023 | Version v1
Publication Open

Developing a computational toolbased on an artificial neural network for predicting and optimizing propolis oil, an important natural product for drug discovery

Creators

  • 1. Siksha O Anusandhan University
  • 2. Odisha University of Agriculture and Technology

Description

Propolis is a promising natural product that has been extensively researched and studied for its potential health and medical benefits. The lack of requisite high oil-containing propolis and existing variation in the quality and quantity of essential oil within agro-climatic regions pose a problem in the commercialization of essential oil. As a result, the current study was carried out to optimize and estimate the essential oil yield of propolis. The essential oil data of 62 propolis samples from ten agro-climatic areas of Odisha, as well as an investigation of their soil and environmental parameters, were used to construct an artificial neural network (ANN) based prediction model. The influential predictors were determined using Garson's algorithm. To understand how the variables interact and to determine the optimum value of each variable for the greatest response, the response surface curves were plotted. The results revealed that the most suited model was multilayer-feed-forward neural networks with an R2 value of 0.93. According to the model, altitude was found to have a very strong influence on response, followed by phosphorous & maximum average temperature. This research shows that using an ANN-based prediction model with a response surface methodology technique to estimate oil yield at a new site and maximize propolis oil yield at a specific site by adjusting variable parameters is a viable commercial option. To our knowledge, this is the first report on the development of a model to optimize and estimate the essential oil yield of propolis.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

البروبوليس هو منتج طبيعي واعد تم بحثه ودراسته على نطاق واسع لفوائده الصحية والطبية المحتملة. يشكل الافتقار إلى البروبوليس العالي المطلوب المحتوي على الزيت والاختلاف الحالي في جودة وكمية الزيت العطري داخل المناطق الزراعية المناخية مشكلة في تسويق الزيت العطري. ونتيجة لذلك، أجريت الدراسة الحالية لتحسين وتقدير عائد الزيت الأساسي للعكبر. تم استخدام بيانات الزيوت الأساسية لـ 62 عينة من البروبوليس من عشر مناطق مناخية زراعية في أوديشا، بالإضافة إلى التحقيق في تربتها ومعلماتها البيئية، لبناء نموذج تنبؤ قائم على الشبكة العصبية الاصطناعية (ANN). تم تحديد المؤشرات المؤثرة باستخدام خوارزمية غارسون. لفهم كيفية تفاعل المتغيرات وتحديد القيمة المثلى لكل متغير للحصول على أكبر استجابة، تم رسم منحنيات سطح الاستجابة. كشفت النتائج أن النموذج الأكثر ملاءمة كان الشبكات العصبية متعددة الطبقات المغذية للأمام بقيمة R2 تبلغ 0.93. وفقًا للنموذج، وجد أن الارتفاع له تأثير قوي جدًا على الاستجابة، يليه الفوسفور ومتوسط درجة الحرارة القصوى. يُظهر هذا البحث أن استخدام نموذج التنبؤ القائم على ANN مع تقنية منهجية سطح الاستجابة لتقدير عائد النفط في موقع جديد وتعظيم عائد زيت البروبوليس في موقع معين عن طريق تعديل المعلمات المتغيرة هو خيار تجاري قابل للتطبيق. على حد علمنا، هذا هو التقرير الأول عن تطوير نموذج لتحسين وتقدير عائد الزيت الأساسي للعكبر.

Translated Description (French)

La propolis est un produit naturel prometteur qui a fait l'objet de recherches et d'études approfondies pour ses avantages potentiels pour la santé et la médecine. Le manque de propolis à haute teneur en huile requise et les variations existantes dans la qualité et la quantité d'huile essentielle dans les régions agro-climatiques posent un problème dans la commercialisation de l'huile essentielle. En conséquence, l'étude actuelle a été réalisée pour optimiser et estimer le rendement en huile essentielle de propolis. Les données sur les huiles essentielles de 62 échantillons de propolis provenant de dix zones agro-climatiques de l'Odisha, ainsi qu'une enquête sur leurs paramètres pédologiques et environnementaux, ont été utilisées pour construire un modèle de prédiction basé sur un réseau neuronal artificiel (RNA). Les prédicteurs influents ont été déterminés à l'aide de l'algorithme de Garson. Pour comprendre comment les variables interagissent et déterminer la valeur optimale de chaque variable pour la plus grande réponse, les courbes de surface de réponse ont été tracées. Les résultats ont révélé que le modèle le plus adapté était celui des réseaux neuronaux multicouches avec une valeur R2 de 0,93. Selon le modèle, l'altitude a eu une très forte influence sur la réponse, suivie du phosphore et de la température moyenne maximale. Cette recherche montre que l'utilisation d'un modèle de prédiction basé sur l'ans avec une technique de méthodologie de surface de réponse pour estimer le rendement en huile sur un nouveau site et maximiser le rendement en huile de propolis sur un site spécifique en ajustant les paramètres variables est une option commerciale viable. À notre connaissance, il s'agit du premier rapport sur le développement d'un modèle permettant d'optimiser et d'estimer le rendement en huiles essentielles de la propolis.

Translated Description (Spanish)

El propóleo es un producto natural prometedor que ha sido ampliamente investigado y estudiado por sus posibles beneficios médicos y para la salud. La falta de propóleos con alto contenido de aceite y la variación existente en la calidad y cantidad de aceite esencial dentro de las regiones agroclimáticas plantean un problema en la comercialización del aceite esencial. Como resultado, se llevó a cabo el estudio actual para optimizar y estimar el rendimiento de aceite esencial de propóleo. Los datos de aceites esenciales de 62 muestras de propóleos de diez áreas agroclimáticas de Odisha, así como una investigación de sus parámetros de suelo y ambientales, se utilizaron para construir un modelo de predicción basado en una red neuronal artificial (ANN). Los predictores influyentes se determinaron utilizando el algoritmo de Garson. Para comprender cómo interactúan las variables y determinar el valor óptimo de cada variable para la mayor respuesta, se trazaron las curvas de superficie de respuesta. Los resultados revelaron que el modelo más adecuado eran las redes neuronales de alimentación directa multicapa con un valor de R2 de 0,93. Según el modelo, se encontró que la altitud tiene una influencia muy fuerte en la respuesta, seguida por el fósforo y la temperatura media máxima. Esta investigación muestra que el uso de un modelo de predicción basado en Ann con una técnica de metodología de superficie de respuesta para estimar el rendimiento de petróleo en un nuevo sitio y maximizar el rendimiento de petróleo de propóleo en un sitio específico mediante el ajuste de parámetros variables es una opción comercial viable. Hasta donde sabemos, este es el primer informe sobre el desarrollo de un modelo para optimizar y estimar el rendimiento de los aceites esenciales de propóleo.

Files

journal.pone.0283766&type=printable.pdf

Files (3.5 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:8f3a4f074f495a5784f87a9d3e7bf6bc
3.5 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
تطوير أداة حسابية تستند إلى شبكة عصبية اصطناعية للتنبؤ بزيت البروبوليس وتحسينه، وهو منتج طبيعي مهم لاكتشاف الأدوية
Translated title (French)
Développer un outil informatique basé sur un réseau de neurones artificiels pour prédire et optimiser l'huile de propolis, un produit naturel important pour la découverte de médicaments
Translated title (Spanish)
Desarrollo de una herramienta computacional basada en una red neuronal artificial para predecir y optimizar el aceite de propóleo, un producto natural importante para el descubrimiento de fármacos

Identifiers

Other
https://openalex.org/W4375955740
DOI
10.1371/journal.pone.0283766

Is supplement to
https://openalex.org/W4385544895 (Other)
https://openalex.org/W4306842392 (Other)
https://openalex.org/W2788391394 (Other)
https://openalex.org/W2776265622 (Other)
https://openalex.org/W2766623693 (Other)
https://openalex.org/W2141268712 (Other)
https://openalex.org/W2137137814 (Other)
https://openalex.org/W2001556692 (Other)
https://openalex.org/W1969033266 (Other)
https://openalex.org/W1904730247 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
India

References

  • https://openalex.org/W1678356000
  • https://openalex.org/W1963618232
  • https://openalex.org/W1968215855
  • https://openalex.org/W1971867153
  • https://openalex.org/W1972646023
  • https://openalex.org/W1977771514
  • https://openalex.org/W1984228207
  • https://openalex.org/W2003756933
  • https://openalex.org/W2004746949
  • https://openalex.org/W2017977879
  • https://openalex.org/W2040274641
  • https://openalex.org/W2043853981
  • https://openalex.org/W2046282118
  • https://openalex.org/W2056942302
  • https://openalex.org/W2065727115
  • https://openalex.org/W2067509919
  • https://openalex.org/W2075977490
  • https://openalex.org/W2101072756
  • https://openalex.org/W2129798098
  • https://openalex.org/W2134281019
  • https://openalex.org/W2148574664
  • https://openalex.org/W2153571739
  • https://openalex.org/W2155144898
  • https://openalex.org/W2159319558
  • https://openalex.org/W2171558600
  • https://openalex.org/W2222066924
  • https://openalex.org/W2398107238
  • https://openalex.org/W2528213292
  • https://openalex.org/W2786693279
  • https://openalex.org/W2793350103
  • https://openalex.org/W2793811319
  • https://openalex.org/W2885307904
  • https://openalex.org/W2921076972
  • https://openalex.org/W2965723852
  • https://openalex.org/W2969691610
  • https://openalex.org/W2999641182
  • https://openalex.org/W3036826711
  • https://openalex.org/W3211212350
  • https://openalex.org/W3217438941
  • https://openalex.org/W4234788519
  • https://openalex.org/W4246706576
  • https://openalex.org/W90049951