Revista
Biorrefinería
Vol.
3


.
3



Año:
2020
ISSN:
2602-8530
31
Thymus
serpyllum

L

(Jovanović

et

al.,

2017),
pero
en

la

extracción

de

sustancias

bioactivas
de
hongos
por
maceración
no
ha
sido
evaluada.

Pese
a

que

el

tamaño

de

partícula

no

ha

sido
evaluado,
algunos
investigadores
han
trabajado
con

tamaños

de

partícula

de

0,8

mm
logrando
una

eficiencia

del

32,7%

(Finimundy
et
al.

2018);

0,5

mm

logrando

una

eficiencia
del
4%

(Szwengiel

y

Stachowiak,

2016);

0,4

mm
logrando
una

eficiencia

del

3,1%

(Lin

et

al.,
2014);
0,25

mm

logrando

una

eficiencia

del
2,6%
(Hu

et

al.,

2006);

y

0,18

mm

logrando

una
eficiencia
del

7,1%

(Li

y

Shah,

2016).

Parecería
que
la

disminución

del

tamaño

de

partícula
provoca
la

disminución

de

la

eficiencia,

pero

Li
y
Shah

(2016)

obtuvieron

una

mayor

eficiencia
que
los

otros

autores,

con

excepción

de
Finimundy
y

colaboradores

(2018),

pese

a

que
su
TP

es

el

menor.

Por

lo

que

podría

pensarse
que
este

parámetro

no

tiene

influencia

fuerte
en
la

eficiencia

de

extracción,

coincidiendo

con
este
trabajo.


Frecuencia
de

agitación


La
agitación

rítmica

y

fuerte

de

la

tintura
contra
un

soporte

adecuado

o

recipiente

se
denomina
dinamización

(Machado,

2000),

,

y
favorece
el

proceso

de

extracción

gracias

a

que
incrementa
la
difusión
de
las
sustancias
bioactivas
y
disminuye
el
gradiente
de
concentración
(Azmir
et
al.,

2013).
Está
comprobado
que

la

dinamización

de
la
maceración
aumenta
la
eficiencia
de
extracción
de

polifenoles

(Lima

et

al.,

2015).
La
mayoría

de

las

investigaciones

reportadas
en
la

literatura

para

P.

ostreatus

realizan

la
extracción
por

maceración

estática,

son

pocas
las
que

incorporan

agitación

al

proceso,

y
cuando
lo

hacen

optan

por

una

frecuencia

de
150
rpm

(Huang

et

al.,

2015;

Nattoh

et

al.,
2016;
Ramesh

y

Pattar,

2010;

Ren

et

al.,

2014;
C.
Zhang

et

al.,

2018),

que

es

la

recomendada
por
las

farmacopeas

para

drogas

vegetales.
Otros
autores

operaron

a

115

rpm

(Sulistiany,
Sudirman,
y

Dharmaputra,

2016)

y

el

resto

no
controló
la

frecuencia

de

agitación

(Hapsari

et
al.,
2012;

J.

Li

et

al.,

2015;

D.

Ren

et

al.,

2015).
Pero
ningún

autor

evaluó

la

influencia

de

la
frecuencia
de

agitación

en

la

extracción

de
sustancias
bioactivas

de

Orellana.

Aunque
algunos
calcularon

la

eficiencia

de

extracción:
32,7%
operando

con

agua

al

clima

a

500

rpm

y
relación
1:30

(Finimundy

et

al.

2018),

7,8%
operando
con

etanol

80%

a

150

rpm

y

relación
1:50
(Radzki

et

al.,

2016);

22,2%

operando

con
agua
hirviendo

a

150

rpm

y

relación

1:20

(Alam
et
al.,

2010).
En
el

presente

trabajo

se

encontró

que

la
frecuencia
de

agitación


tiene

influencia
significativa
y

su

valor

óptimo

fue

de

160

rpm,
muy
cercano
al
recomendado
por
las
Farmacopea
argentina

(1996),

Farmacopea
brasileña
(2010)
y
Farmacopea
francesa
(1847).
Tiempo
de

maceración
Se
determina

experimentalmente

en

función
del
solvente

y

del

equipo

seleccionado.

Debe
ser
el

suficiente

para

permitir

la

separación

de
los
compuestos

de

interés,

sin

embargo,

tiene
que
procurarse

que

no

sea

excesivo

para

evitar
sobrecostos
innecesarios
(Dalonso
et
al.,
2010).

Tan
sólo

dos

investigaciones

evaluaron

la
influencia
del

tiempo

de

maceración

en

el
proceso
de

extracción

de

polisacáridos

de
Pleurotus.
Para


Jiao

y

colaboradores

(2017)

el
tiempo
óptimo

fue

de

44,77

minutos

y

obtuvo
una
eficiencia

de

tan

sólo

3.61%,

mientras

que
para
Sun

y

colaboradores

(2010)

fue

de

2.7
horas,
aunque

no

midieron

la

eficiencia

de
extracción
como

variable

de

respuesta

sino

el
porcentaje
de

purificación.

Algunos

estudios
afirman
que

debe

limitarse

a

90

minutos,

ya
que
luego

de

este

tiempo

la

influencia

sobre

la
eficiencia
de
extracción
tiende
a
ser
insignificante
(Albuquerque
et

al.,
2017;
Jovanović
et

al.,

2017),

por

lo

que

no

sería

un
factor
estadísticamente

influyente

(Ćujić

et

al.,
2016).
Además,

Modelos

de

Superficie

de