丁-纳特·多（Dinh-Nhat Do）| 明-廷·陈-乐（Minh-Tinh Trinh-Le）| 黄-艳·阮-知（Hoang-Yen Nguyen-Thi）| 明-洲·范-武（Minh-Chau Pham-Vu）| 陈-越南（Tan-Viet Tran）| 仙-田·乐（Xuan-Tien Le）
胡志明市科技大学（HCMUT）化学工程学院
越南胡志明市第268 Ly Thuong Kiet街，Dien Hong区
尽管1,8-莰烯作为梅拉卢卡五脉树（Melaleuca quinquenervia）精油分离馏分的残余产物具有潜在的生物活性化合物价值，但通常被忽视或未得到充分利用。本研究通过分子蒸馏技术回收并进一步纯化了这一残余物，以提高α-萜品醇的浓度。采用响应面方法（RSM）系统地研究了关键工艺参数（包括压力（Pa）、蒸发器表面温度（°C）和进料流速（mL min−1），以最大化α-萜品醇的含量。最终确定的最佳条件为：压力209.7 Pa、温度35.4 °C、流速1.39 mL min−1，此时α-萜品醇含量达到70.97%，回收率为89.2%。GC–MS分析证实，分子蒸馏有效浓缩了轻组分中的α-萜品醇，而重组分中则富集了其他有价值的氧代倍半萜类化合物。
**引言**
梅拉卢卡五脉树（Melaleuca quinquenervia）属于桃金娘科（Myrtaceae），主要原产于澳大利亚。在越南，该物种分布于多种生态区域，是精油工业的重要原料。其精油主要通过蒸汽蒸馏从叶片中提取。其化学成分因地理来源和化学类型不同而有所差异，主要分为两种类型：一种富含壬里醇（nerolidol），另一种以1,8-莰烯为主。越南产的该精油中含有较高比例的1,8-莰烯，以及其他活性成分如α-萜品醇、绿花醇（viridiflorol）、柠檬烯（limonene）、α-蒎烯（α-pinene）和β-石竹烯（β-caryophyllene）。这些成分赋予了其多种生物活性，包括抗菌、抗炎、抗氧化和驱虫作用，使其成为制药、化妆品和个人护理领域的天然成分。1,8-莰烯是精油中的主要成分，对其生物活性贡献最大。目前，真空分馏常用于商业分离1,8-莰烯。分馏后留在蒸馏柱底部的残余物通常被丢弃或未加以利用，但实际上其中含有多种有价值的化合物，尤其是α-萜品醇，它在香料、化妆品和食品工业中具有重要应用。由于α-萜品醇具有多种生物活性（如抗氧化、抗炎、抗癫痫、抗癌以及特别是抗菌作用），因此亟需新方法将其分离纯化，以提升精油的整体价值。
**分子蒸馏技术**
近年来，分子蒸馏（MD）作为一种专门用于分离热敏或高沸点液体混合物的技术逐渐受到重视。该技术采用蒸发器与冷凝器之间的极短距离（通常仅几厘米），并在高真空条件下运行。进料物料在加热的蒸发器表面形成薄膜，确保均匀传热和高效蒸发。由于操作压力低且停留时间短（仅需几秒），挥发性成分可在较低温度下分离，从而减少热降解。分子蒸馏的分离机制不仅基于沸点差异，还与“平均自由路径”概念密切相关——即分子在发生碰撞前移动的平均距离。因此，蒸发器与冷凝器之间的距离设计得较短，使挥发性分子能直接到达冷凝表面，减少分子间碰撞，从而提高分离效率。
本研究利用分子蒸馏从梅拉卢卡五脉树精油真空分馏后的残余物中回收α-萜品醇。由于传统蒸馏（如分馏）需要较高温度和长时间加热，容易导致热降解，故效率低下。实验表明，分子蒸馏是一种有效且无溶剂的技术。
**实验过程**
实验采用杭州安远仪器制造有限公司（Hangzhou Anyan Instrument Manufacturing Co., Ltd.）生产的AYAN-F60型短路径分子蒸馏装置（型号AYAN-F60），配备真空泵、蠕动泵和温度控制系统。蒸发器表面积为0.10 m²，冷凝器表面积为0.06 m²，蒸发器-冷凝器间距为0.02 m。进料通过蠕动泵以恒定流速输送，操作压力由真空泵监测调节。
**数据分析**
采用GC–MS（气相色谱–质谱联用）对残余物、轻组分（LF）和重组分（HF）进行定性分析。α-萜品醇的定量分析使用GC-FID（气相色谱–火焰离子化检测）系统。
**结果**
实验结果表明：优化后的分子蒸馏条件下，α-萜品醇含量显著提高，且生物活性得到验证。抗菌实验表明其对革兰氏阳性和阴性细菌均有效，效果与氨苄西林相当。抗炎作用通过抑制LPS刺激的RAW 264.7巨噬细胞产生的氧化氮来评估，结果显示细胞活性良好，说明其低毒性。
**结论**
分子蒸馏为可持续利用梅拉卢卡五脉树精油中的活性成分提供了有效途径，特别适用于富含α-萜品醇的残余物。蒸馏水被用作阴性对照，而阿莫西林（每圆盘10 µg）作为阳性对照。平板在37°C下培养24小时。通过测量每个圆盘周围的抑制区直径来评估抗菌活性，不包括圆盘本身的直径。所有实验都重复进行了三次。
**抗炎活性的评估**
抗炎活性是使用脂多糖（LPS）刺激的RAW 264.7巨噬细胞（RRID: CVCL_0493，ATCC，美国）来评估的。细胞在添加了10%胎牛血清和1%青霉素/链霉素的Dulbecco改良Eagle培养基中培养（Gibco，加州卡尔斯巴德），并在5% CO2环境中保持37°C。然后将细胞以每孔2 × 10^4个细胞的密度接种到96孔板上。24小时后，细胞用不同浓度的测试样品或地塞米松（阳性对照）处理1小时，随后用LPS（1 µg/mL）刺激24小时。
**一氧化氮（NO）的产生**
一氧化氮（NO）的产生是通过Griess试剂方法确定的，该方法之前由Loizzo等人描述过。简言之，将50 µL的培养上清液与50 µL的Griess试剂在黑暗中混合，摇晃10分钟，然后在540 nm处测量吸光度。NO产生的抑制程度根据公式（3）计算。
**细胞活力的评估**
细胞活力是使用3-(4,5-二甲基噻唑-2-基)-2,5-二苯四唑溴盐（MTT）测定法同时进行的。在测量NO后，向每个孔中加入5 µL的MTT溶液（5 mg/mL）。在37°C和5% CO2的湿润环境下培养3小时后，去除培养基，将甲苯胺结晶溶解在100 µL的DMSO中。在570 nm处测量吸光度，细胞活力根据公式（4）表示。
**数据的统计分析**
实验和分析数据使用Microsoft® Excel® 2021 MSO和IBM SPSS Statistics版本27.0.1进行统计分析。进行了单因素方差分析（one-way ANOVA）以评估样本和处理之间的差异。当观察到显著差异时，应用Tukey的多重比较测试来确定平均值之间的差异。统计显著性定义为95%的置信水平（p < 0.05）。
### 结果与讨论
#### 影响轻组分（LF）的因素的初步研究
在这项研究中，采用了分子蒸馏从Melaleuca quinquenervia精油真空分馏后的残渣（NOR）中回收和富集α-萜品醇。为了确保后续优化在适当的范围内进行，首先研究了三个关键操作参数——压力、蒸发器表面温度和进料流速的影响。这一初步评估为使用响应面方法（RSM）优化之前定义每个参数的操作窗口提供了基础。
#### 操作压力对α-萜品醇含量和回收率的影响
操作压力是分子蒸馏中的一个关键因素，因为它决定了蒸汽分子的平均自由路径，从而影响传质效率。在较高的真空水平下（即较低的操作压力），蒸汽分子的平均自由路径增加。当平均自由路径等于或超过蒸发器与冷凝器表面之间的距离时，蒸发出的分子可以直接到达冷凝器表面并有效地收集在轻组分中。因此，研究了操作压力在50–250 Pa范围内的对α-萜品醇在轻组分中富集的影响（见图4），同时保持其他参数不变，包括蒸发器表面温度为35°C、进料流速为1.5 mL/min、转子速度为250 rpm以及冷凝器温度为2°C。
#### 影响α-萜品醇含量的其他因素
作为原料的NOR最初含有32.5%的α-萜品醇，这是通过GC-FID分析确定的。分子蒸馏后，轻组分中的α-萜品醇含量显著增加，如图4所示，随着操作压力从50 Pa升至200 Pa时观察到持续增加，然后在250 Pa时略有下降。在高真空条件下（50–100 Pa），蒸汽分子的平均自由路径足够长，不仅α-萜品醇而且更重的成分也能到达冷凝器，导致轻组分中的α-萜品醇浓度降低。当压力增加到100–200 Pa时，分子量大于α-萜品醇的更重成分不再有效地传输到冷凝器，从而使α-萜品醇在轻组分中富集。这种行为也可以用组分之间的挥发性差异来解释。在低压下，挥发性较高的化合物更容易蒸发并优先到达冷凝器表面。随着操作压力的增加，有效分离变得更加选择性，限制了较少挥发性、较高分子量化合物的共蒸发，从而增强了α-萜品醇在轻组分中的富集。F. Chen等人（2006年）在从米糠蜡中分离辛酸醇时也报告了类似的趋势。基于这些观察结果，认为150–250 Pa的压力范围适合使用响应面方法进行后续优化。
同时，α-萜品醇的回收率相对较高（86.6–92.5%），并且在整个研究压力范围内几乎保持不变，只有在较高压力（200–250 Pa）时略有下降。这表明操作压力对α-萜品醇的整体回收率影响有限，而对其在轻组分中的富集影响更为显著。在从菜籽油脱臭馏分中分离生育酚的分子蒸馏中也观察到了类似的现象，其中操作压力显著影响了组分在馏分和 heavier fractions 之间的分配。为了选择适当的操作条件进行后续实验，固定操作压力为200 Pa，此时α-萜品醇含量达到最大值（65.73%）。
#### 蒸发器表面温度对α-萜品醇含量和回收率的影响
蒸发器表面温度是分子蒸馏中的一个关键参数，因为它直接影响化合物的蒸气压，从而影响它们的蒸发倾向。在低温下，蒸发不足可能导致分离不完全，轻组分中的回收率降低。相反，过高的温度可能会促进较重化合物的共蒸发，并增加热敏分子的热降解风险，从而降低产品纯度。在这项研究中，研究了蒸发器表面温度在30–50°C范围内的对α-萜品醇含量和回收率的影响。在蒸发器表面温度为30°C和35°C时，轻组分中含有相对较高的α-萜品醇量（分别为65.5%和67.7%），回收率分别为87.3%和88.9%（见图5）。将温度升高到40°C时，大部分α-萜品醇分子蒸发并冷凝，导致最高回收率为94.6%；然而，其他化合物的共蒸发使α-萜品醇含量降至64.5%。这一趋势在45°C和50°C时更加明显，此时回收率仍高于94%，但轻组分中的α-萜品醇含量进一步降至57.1%和47.8%。这些结果表明蒸发器表面温度强烈影响了回收率和纯度之间的平衡，这与Tovar等人关于柠檬草精油中富含香茅醇的分馏发现的结论一致。因此，选择了30–40°C的蒸发器温度范围进行后续的响应面优化。
#### 进料流速对α-萜品醇含量和回收率的影响
虽然压力和温度主要决定化合物的挥发性和热行为，但进料流速主要影响分子蒸馏过程的流体动力学条件。通过调节蒸发器表面的液膜厚度和更新，该参数影响蒸发程度，从而影响分离效率。为了研究这种平衡，系统地研究了1.0、1.5、2.0、2.5和3.0 mL/min的进料流速对α-萜品醇含量和回收率的影响。图6显示进料流速显著影响了α-萜品醇的含量和回收率。在1.0 mL/min的流速下，虽然蒸发效率高（回收率为88.9%），但由于其他挥发性化合物的共蒸发，纯度仅为67.7%。将流速增加到1.5 mL/min时，α-萜品醇含量最大化（70.8%），同时保持了89.3%的高回收率，表明纯度和回收率之间达到了最佳平衡。超过这个点，更高的流速（2.0–3.0 mL/min）导致含量逐渐降低（分别为66.1–53.0%），回收率显著下降，到3.0 mL/min时降至51.1%。这种下降可以归因于在高流速下停留时间较短和液膜较厚，阻碍了均匀分布并限制了蒸发器表面的传热。与仅引起微小变化的压力和温度不同，进料流速直接影响了膜流体动力学，并对分离效率产生了最显著的影响。
#### 使用响应面方法优化蒸馏条件
尽管单因素实验提供了对压力、蒸发器表面温度和进料流速对α-萜品醇含量和回收率影响的初步理解，但这种方法并未考虑这些变量之间的潜在相互作用。实际上，操作参数是同时作用的，它们的综合效应可能会显著影响分离效率。为了解决这一限制，应用了响应面方法（RSM）作为统计工具来建模变量相互作用，并确定增强α-萜品醇富集和回收的最佳操作条件。
### 基于RSM的实验设计和优化
根据初步单因素实验的结果，确定了影响niaouli油残渣（NOR）分子蒸馏的三个关键参数：绝对压力（Pa）（X1）、蒸发器表面温度（°C）（X2）和进料流速（mL/min）（X3）。结合中心复合设计（CCD）的响应面方法（RSM）被用来研究这些变量的交互效应，并确定轻组分中α-萜品醇的最佳富集条件。根据CCD矩阵共进行了17次实验运行，相应的结果总结在表1中。
**表1. 基于中央复合设计的轻组分中α-萜品醇含量**
| 编码变量 | 压力 X1 | 蒸发器表面温度 X2 | 进料流速 X3 | α-萜品醇含量 (%) |
|---------|--------|-----------|------------|-------------------|
| 1 | 150 | 30 | 165.9 | |
| 2 | 250 | 30 | 166.2 | |
| 3 | 150 | 40 | 168.3 | |
| 4 | 150 | 40 | 164.5 | |
| 5 | 150 | 30 | 258.4 | |
| 6 | 150 | 30 | 268.4 | |
| 7 | 150 | 40 | 266.6 | |
| 8 | 150 | 40 | 268.1 | |
| 9 | 150 | 40 | 268.9 | |
| 10 | 150 | 40 | 268.1 | |
| 11 | 150 | 40 | 268.6 | |
| 12 | 150 | 40 | 268.9 | |
| 13 | 150 | 40 | 268.1 | |
| 14 | 150 | 40 | 268.6 | |
| 15 | 150 | 40 | 266.9 | |
| 16 | 150 | 40 | 266.1 | |
| 17 | 150 | 40 | 266.5 | |
**方差分析（ANOVA）**
进行了方差分析（ANOVA）以评估二阶多项式模型的适用性。该模型在统计上显著（p < 0.05），Adeq Precision值为15.126 (>4)，R2为0.9605，调整后的R2为0.9098，表明拟合良好且具有足够的预测能力。在95%置信水平下消除统计上不显著的项后，响应变量与自变量之间的关系由以下二阶多项式方程表示。
**回归方程（5）在编码变量中：**
**回归方程（6）在实际变量中：**
在研究范围内，方程（5）和（6）表明响应变量（Y）主要受X1（真空压力）和X2（蒸发器表面温度）的线性项、三个变量（X1、X2和X3）的二次项以及X1X2、X1X3和X2X3的交互项的影响。这些结果表明，α-萜品醇的富集程度取决于所有三个操作参数的综合效应，这与单因素实验中观察到的趋势一致。因此，在优化研究中将真空压力、蒸发器表面温度和进料流速作为独立变量是统计学上合理的。F检验及其对应的p值（p < 0.05）表明所开发的模型在统计上是显著的，并且能够充分描述实验数据。决定系数（R² = 0.9605）显示，α-萜品醇含量的96.05%的变化可以通过独立参数的综合效应来解释，而仅有3.95%归于未解释的变异性。由于R²可能高估了模型的性能，因此还考虑了调整后的R²（0.9098），这证实了实验值和预测值之间的一致性，并证明了模型的适用性（表2）。
表2. α-萜品醇含量的模型适用性统计
响应变量 剩余方差 R² 调整后R² 标准差（%）
α-萜品醇含量 1.05 0.9605 0.9098 1.57
通过3D响应面模型进行优化分析
响应面模型描述了在研究实验范围内响应变量的变化，有助于确定最佳操作条件。压力与蒸发器表面温度、压力与进料流速以及蒸发器表面温度与进料流速之间的交互作用对α-萜品醇含量有显著影响。如图7所示，随着操作压力从150帕增加到大约210帕，α-萜品醇含量增加，但在更高的压力下又有所下降。相比之下，进料流速超过2毫升/分钟会导致响应明显降低。这些行为与单因素结果一致，可以归因于分子平均自由路径的变化、高真空条件下的化合物相互作用以及蒸发器表面液膜均匀性的变化。
基于图8所示的响应面，确定出提高α-萜品醇含量的最佳操作条件为压力209.7帕、蒸发器表面温度35.4°C和进料流速1.39毫升/分钟，预测值为70.89%。为了验证模型预测，在这些条件下进行了三次实验，结果总结在表3中。实验获得的最大α-萜品醇含量为70.97%，回收率为89.2%。实验值与预测值之间的高度吻合证明了RSM模型的可靠性和预测能力。
表3. 最佳操作条件的验证
空单元 实验结果 平均值 预测值 偏差（%）
α-萜品醇含量 70.97 70.25 70.13 70.45 70.89 0.62
总体而言，使用响应面方法（RSM）进行优化后，确定出 Melaleuca quinquenervia 精油残渣分子蒸馏的最佳操作条件为压力209.7帕、蒸发器表面温度35.4°C和进料流速1.39毫升/分钟。在这些条件下，轻馏分中的α-萜品醇含量达到70.97%，回收率为89.2%，与初步单因素实验的结果相比有显著改进。尽管优化过程需要精确控制操作参数，但它能够更有效地分离和富集α-萜品醇，从而凸显了RSM作为过程优化工具的有效性。
这些结果表明，将分子蒸馏与统计优化相结合是一种有效的从精油残渣中富集热敏性氧化萜类化合物的方法。这类化合物通常具有相对较高的沸点，在常规蒸馏条件下容易发生热降解。在高真空下进行分子蒸馏，并且停留时间较短，为它们的选择性富集提供了有利条件。更广泛地说，这种方法可能适用于其他具有类似物理化学性质的高价值天然化合物的回收和富集，尤其是存在于精油残渣及相关天然混合物中的高沸点生物活性成分。此外，该过程还具有环境优势，因为它避免了通常在液-液萃取、色谱分离或结晶过程中所需的有机溶剂的使用。此外，本研究中使用的相对较低的操作温度（35.4°C）有助于在大规模操作中降低能耗。
在经过RSM优化后，比较了NOR及其相应的轻馏分和重馏分的化学组成，以阐明分子蒸馏过程中的组分分布。如表4和图9所示，经过真空分馏回收桉叶油后获得的NOR中桉叶油的含量仅为6.93%，表明大部分这种轻质组分已在上游过程中被去除。一致地，轻质单萜类化合物显著减少，仅检测到微量的柠檬烯（0.38%）。相比之下，具有较高沸点的氧化单萜类化合物的含量仍然较高，其中α-萜品醇占36.52%，表明NOR是回收具有生物价值的化合物的有希望的来源。此外，NOR还含有大量的倍半萜类和氧化倍半萜类化合物，包括β-石竹烯、α-胡莫伦、β-塞尔宁、香叶醇和桉叶酚。
图9. 分子蒸馏后NOR、HF和LF的GC–MS色谱图
分子蒸馏导致轻馏分中的α-萜品醇明显富集，其含量从niaouli油残渣中的36.52%增加到66.10%。然而，由于氧化单萜类化合物的沸点接近，大多数这些化合物被共同蒸馏到LF中，从而限制了MD对其完全分离的选择性。在该馏分中仅检测到微量的倍半萜类化合物，几乎没有氧化倍半萜类化合物，这与基于挥发性的预期分离行为一致。这些趋势进一步得到了GC–MS色谱图（图9）的支持，其中α-萜品醇在大约14.6分钟时呈现为主要峰，伴随着早期洗脱的单萜类化合物和少数强度较低的倍半萜类化合物峰。
相比之下，重馏分主要由高沸点的倍半萜类和氧化倍半萜类化合物主导，特别是香叶醇、桉叶酚和bulnesol——这些化合物具有较高的生物价值并具有典型的木质芳香。这种分布与GC–MS色谱图（图9）一致，后者在30-35分钟保留时间区域显示出强烈的峰，这是氧化倍半萜类的特征。HF中也保留了19.64%的α-萜品醇，可能是由于残渣的高粘度阻碍了有效蒸发，导致这种相对易挥发的化合物部分保留。总体而言，这些结果表明分子蒸馏有效地在轻馏分中富集了α-萜品醇，同时在重馏分中浓缩了有价值的氧化倍半萜类化合物，证实了该技术在选择性地回收NOR中功能性化合物方面的潜力。
**抗菌活性评估**
评估了富含α-萜品醇的轻馏分的抗菌活性，以考察其生物潜力。该馏分来自niaouli油残渣（NOR），富含α-萜品醇，已知α-萜品醇具有广谱抗菌活性。琼脂纸片扩散试验（表5）显示，所有测试样品——包括NOR、纯α-萜品醇、LF和作为阳性对照的氨苄西林——都对五种细菌菌株（金黄色葡萄球菌、大肠杆菌、副溶血性弧菌、肺炎克雷伯菌和铜绿假单胞菌）表现出抑制作用。其中，纯α-萜品醇显示出最强的抗菌活性，特别是对金黄色葡萄球菌（21.85毫米）和肺炎克雷伯菌（20.16毫米）。富含α-萜品醇的轻馏分也表现出显著的抗菌效果，尤其是在对抗多药耐药的铜绿假单胞菌方面。然而，对于某些菌株（金黄色葡萄球菌和大肠杆菌），LF的抑制效果低于纯α-萜品醇，这表明抗菌活性与α-萜品醇浓度之间存在密切关系。重要的是，LF的抗菌活性显著高于NOR，并且在某些情况下，其抑制圈与氨苄西林相当，突显了分子蒸馏生产生物活性精油馏分的实际价值。
表5. 分馏精油样品对病原微生物的抑制圈直径
抑制圈直径（毫米）
NOR α-萜品醇 LF
金黄色葡萄球菌 17.63 ± 0.42 15.41 ± 0.15 21.85 ± 0.05
大肠杆菌 15.75 ± 0.09 18.55 ± 0.46 16.54 ± 0.25
副溶血性弧菌 15.41 ± 0.36 13.24 ± 0.20 15.05 ± 0.39
肺炎克雷伯菌 25.18 ± 0.32 15.44 ± 0.48 20.16 ± 0.04 19.68 ± 0.18
铜绿假单胞菌 20.98 ± 0.61 8.46 ± 0.37 10.72 ± 0.15 11.79 ± 0.10
**抗炎活性评估**
所有样品的NO抑制效应均呈浓度依赖性增加。抗炎活性以IC50值表示，在不同样品之间差异显著（表6）。在所有样品中，纯α-萜品醇表现出最强的抗炎活性，IC50为41.84 ± 1.39 µg/mL，证实了其作为主要活性成分的作用。相比之下，niaouli油残渣（NOR）的活性最弱，IC50为329.16 ± 7.29 µg/mL。
表6. 不同浓度下样品的NO抑制百分比（%）和IC50（µg/mL）
样品 NO抑制百分比（%） IC50值（µg/mL）
NOR 16.26 ± 0.61 26.17 ± 0.87 32.72 ± 0.81 41.53 ± 0.63 51.2 ± 0.07 58.52 ± 0.12 67.39 ± 0.64 76.01 ± 0.39 329.16 ± 7.29
LF 37.59 ± 0.45 41.4 ± 0.69 51.45 ± 1.46 58.64 ± 1.24 67.27 ± 0.17 69.08 ± 0.43 33.03 ± 0.29 81.33 ± 0.09 135.01 ± 4.51
HF 31.02 ± 1.07 37.07 ± 0.22 44.39 ± 0.16 57.49 ± 0.13 64.09 ± 0.46 80.1 ± 0.38 81.98 ± 0.21 85.23 ± 0.72 161.23 ± 3.10
α-萜品醇 52.49 ± 0.35 59.75 ± 0.73 65.97 ± 0.35 73.75 ± 0.04 81.79 ± 0.39 84.38 ± 0.31 85.68 ± 0.13 86.71 ± 0.14 1.84 ± 1.39
分子蒸馏显著增强了残渣的抗炎效果，这体现在重馏分（HF；IC50 = 161.23 ± 3.10 µg/mL）和尤其是富含α-萜品醇的轻馏分（LF）上，后者的IC50值为135.01 ± 4.51 µg/mL。LF相较于NOR和HF的优越活性与其较高的α-萜品醇含量一致。总体而言，这些结果表明分子蒸馏通过将α-萜品醇浓缩到生物活性馏分中，有效地增强了niaouli油残渣的抗炎潜力。
观察到的α-萜品醇富集馏分的抗炎活性可以基于先前关于α-萜品醇的机制研究来解释。分子对接研究表明，α-萜品醇可以通过氢键和酶活性位点内的空间相互作用直接与可诱导的一氧化氮合酶（iNOS）相互作用。特别是，α-萜品醇的羟基被认为可以与iNOS的THR324残基形成氢键，这可能有助于抑制一氧化氮的生成。这种相互作用可能部分解释了富含α-萜品醇的LF馏分观察到更强的NO抑制活性。
轻馏分不仅与其他馏分相比表现出更强的活性，而且含有高比例的α-萜品醇，接近纯化化合物的纯度。除了抗炎效果外，LF还表现出高的生物相容性，显示出生细胞存活率最高（从68.58 ± 0.27到103.87 ± 0.97），甚至在低浓度25–100 µg/mL时也有促进细胞增殖的趋势。值得注意的是，在IC50水平下，所有样品的细胞存活率均保持在70%以上（表7），表明观察到的抗炎效果是在没有明显细胞毒性的情况下实现的。这些结果证实，通过分子蒸馏富集α-萜品醇显著增强了精炼馏分的抗炎潜力。
表7. 抗炎处理后样品的细胞存活率（%）
样品 α-萜品醇浓度（µg/mL） 细胞存活率（%）
25 50 100 200 400 600 800 1000
NOR 96.47 ± 0.37 90.8 ± 0.44 86.05 ± 0.47 79.77 ± 0.37 288 ± 0.73 67.92 ± 0.26 60.81 ± 0.51
HF 89.2 ± 0.53 84.23 ± 0.08 77.68 ± 0.76 75.31 ± 0.81 67.48 ± 0.59
LF 103.87 ± 0.97 97.14 ± 0.96 92.01 ± 0.85 87.22 ± 1.31 81.32 ± 1.22 78.12 ± 0.61 73.16 ± 0.51
**结论**
本研究展示了Melaleuca quinquenervia精油残渣作为α-萜品醇的宝贵来源的潜力，表明分子蒸馏能够有效地将未充分利用的副产品转化为生物活性馏分。通过整合响应面方法，建立了一种系统优化策略，以最大化α-萜品醇的富集和回收。研究结果证实了分子蒸馏作为分离方法的有效性，同时也证明了它将精油残渣转化为高附加值资源的一种实用手段。此外，所提出的策略为各种精油中高沸点化合物的可持续增值提供了一种可行的方法。
作者贡献：
Dinh-Nhat Do、Minh-Tinh Trinh-Le 和 Hoang-Yen Nguyen-Thi 进行了实验和数据分析工作。Minh-Chau Pham-Vu 修改和完善了手稿，并协调了提交流程。Tan-Viet Tran 和 Xuan-Tien Le 提供了概念性的指导与监督，最后的审阅和批准工作由 Xuan-Tien Le 完成。
利益冲突：
本研究不存在需要声明的利益冲突。
数据可用性：
支持本研究发现的数据可以在文章中找到。
