著者の所属・活動拠点の国は、中国、オランダです。

掲載誌：LWT

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

ニンニクに含まれるポリフェノール類は、機能性食品や栄養補助食品の素材として求められている成分です。水を溶媒にして取り出す方法がありますが、得られる抽出物の質、工程の効率、環境への負荷はしばしば両立しません。

研究チームは、この3つを同時に評価し、条件を最適化するための枠組みを示すことを目指しました。この枠組みは、環境負荷を評価するライフサイクルアセスメント（LCA）と機械学習を組み合わせたものです。

何を調べたか

比較の対象は、水を使う3種類の抽出技術です。1つ目はお湯で抽出する熱水抽出、2つ目は超音波を当てて抽出を助ける超音波支援抽出、3つ目は亜臨界水抽出です。亜臨界水抽出では、圧力をかけて水を沸点より高い温度でも液体のまま保ちます。

抽出物の質は、フェノール化合物の総量と抗酸化活性で評価しました。環境面では、原料の栽培などは含めず、抽出工程そのものの範囲に絞ったLCAを行いました。この範囲の評価は「ゲート・トゥ・ゲート」と呼ばれます。気候変動を含む15の影響カテゴリーで負荷を見積もりました。

さらに機械学習による回帰分析とSHAP解析を使いました。SHAP解析は、予測にどの要因がどれだけ効いているかを示す手法です。これにより、成分の回収量とエネルギー使用量を左右する条件を探りました。

主な結果

試験した条件では、3つの方法のうち亜臨界水抽出のフェノール化合物の総量が最も多く、抽出物1グラムあたり没食子酸換算で31.7ミリグラムでした。抗酸化活性も最も強いと報告されています。抗酸化活性の指標は、ラジカルを50％消去するのに必要な濃度で、値が小さいほど活性が強いことを示します。亜臨界水抽出ではこの値が1ミリリットルあたり0.48ミリグラムでした。

環境影響の評価でも、15のカテゴリーすべてで亜臨界水抽出の負荷が最も小さいと確認されました。どの方法でも、気候変動への影響の80％以上は電力消費によるものでした。

機械学習の解析では、抽出量とエネルギー使用の両方を左右する主な条件が特定されました。熱水抽出では温度でした。超音波支援抽出では、原料と水の量の比率、そして抽出時間でした。

これらの条件を機械学習で最適化すると、抽出物の質を保ったまま、熱水抽出の環境負荷は66％、超音波支援抽出では73％減りました。その結果、超音波支援抽出と亜臨界水抽出の環境負荷の差は、最適化前の11〜13倍から2.5〜3倍に縮まったと報告されています。

研究が示す意味

この研究は、抽出方法を選んだり条件を調整したりする際に、抽出物の質と環境負荷を同時に考えるための、データに基づく手がかりを示しています。

ただし著者らは、結果はすべて実験室規模のデータに基づくものだと明記しています。商業利用の前には、パイロット規模や工業規模での検証が必要だとしています。

原著論文の著者・所属：Nalinpat Chalermchotiwong（Department of Pharmaceutical and Environmental Engineering, China Pharmaceutical University, Nanjing, 210009, China）、Yajie Ma（Jiangsu Provincial Key Laboratory for TCM Evaluation and Translational Research, School of Traditional Chinese Pharmacy, China Pharmaceutical University, Nanjing, Jiangsu Province, 211198, China）、Ziyue Han（School of Life Science and Technology, China Pharmaceutical University, Nanjing, Jiangsu Province, 211198, China）、Han Zhang（School of Life Science and Technology, China Pharmaceutical University, Nanjing, Jiangsu Province, 211198, China）、Yiru Yan（Jiangsu Provincial Key Laboratory for TCM Evaluation and Translational Research, School of Traditional Chinese Pharmacy, China Pharmaceutical University, Nanjing, Jiangsu Province, 211198, China）、Xiang Luo（Department of Chemical and Environmental Engineering, The University of Nottingham Ningbo China, Ningbo 315100, PR China）、Stefano Cucurachi（Institute of Environmental Science – Industrial Ecology, Leiden University, Van Steenisgebouw, Einsteinweg 2, 2333 CC Leiden, The Netherlands）、Justin Z. Lian（Institute of Environmental Science – Industrial Ecology, Leiden University, Van Steenisgebouw, Einsteinweg 2, 2333 CC Leiden, The Netherlands）、Renshi Li（Jiangsu Provincial Key Laboratory for TCM Evaluation and Translational Research, School of Traditional Chinese Pharmacy, China Pharmaceutical University, Nanjing, Jiangsu Province, 211198, China）、Bin Dong（Department of Pharmaceutical and Environmental Engineering, China Pharmaceutical University, Nanjing, 210009, China; Engineering Research Center for Smart Pharmaceutical Manufacturing Technologies, Ministry of Education, China Pharmaceutical University, Nanjing, 210009, China; Jiangsu Provincial Engineering Research Center for Green Pharmaceuticals and Crystallization Technologies, China Pharmaceutical University, Nanjing, 210009, PR China）、Boyang Yu（Jiangsu Provincial Key Laboratory for TCM Evaluation and Translational Research, School of Traditional Chinese Pharmacy, China Pharmaceutical University, Nanjing, Jiangsu Province, 211198, China）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Nalinpat Chalermchotiwong, Yajie Ma, Ziyue Han, et al. Water-based extraction of garlic phenolic compounds: Integrating life cycle assessment and machine learning for quality and sustainability optimization. LWT 2026-10-27. DOI: 10.1016/j.lwt.2026.120144. 原著ライセンス：CC BY.