《Journal of Environmental Chemical Engineering》：Exogenous organic acids drive efficient bioleaching of rare earth tailings by
Acidithiobacillus thiooxidans: Process optimization and interfacial mechanism
编辑推荐：
•葡萄糖酸可将稀土元素的生物浸出效率提升4–45%（8天）。•稀土尾矿的生物浸出是一个动态的酸溶解-沉淀过程。•数据驱动模型可解释稀土尾矿生物浸出的机理。•为尾矿资源的绿色回收提供理论和技术支持。引言稀土元素（REEs）是电子、新能源和国防等高科技行业不可或缺的战略材料[1]
- •
葡萄糖酸可将稀土元素的生物浸出效率提升4–45%（8天）。
- •
稀土尾矿的生物浸出是一个动态的酸溶解-沉淀过程。
- •
数据驱动模型可解释稀土尾矿生物浸出的机理。
- •
为尾矿资源的绿色回收提供理论和技术支持。
引言
稀土元素（REEs）是电子、新能源和国防等高科技行业不可或缺的战略材料[1]。在中国南方，稀土资源主要赋存于离子吸附型矿床中，稀土元素主要以可交换离子形式吸附在黏土矿物表面[2]。从这些矿床中回收稀土元素通常依赖铵盐浸出，尤其是硫酸铵，通过离子交换解吸可交换稀土元素。采矿和加工的扩展因此在开采、浸出及后续处理过程中产生了大量尾矿。此类尾矿占用大量土地面积，并可能通过风化和雨水淋洗成为残余稀土元素、伴生放射性元素和重金属的长期来源，在酸雨条件下尤为突出，对周围土壤、水体和生态系统构成持续风险[3]。因此，从离子吸附型稀土尾矿（RET）中回收有价组分及其环境风险管理受到越来越多的关注[4]。由于浸出不完全、再吸附和矿物包裹，加工后仍有部分稀土元素残留在尾矿中[2]。因此，这些尾矿既是潜在的环境负担，也是二次资源。此外，尾矿通常具有以下特征：残余稀土品位低、矿物学组成复杂、石英和黏土含量高，以及含Al、Fe、Ca和Mg等杂质元素，所有这些均使后续回收变得复杂[5]，[6]。因此，需要高效且环境友好的方法从此类低品位和复杂的RET中回收稀土元素[1]。
目前，常用的稀土元素回收技术包括湿法冶金、火法冶金和生物浸出[7]。生物浸出因其低成本、环境友好和操作简便而受到越来越多的关注。Acidithiobacillus thiooxidans（At.t）是一种典型的嗜酸性化能自养细菌[8]。该菌株以单质硫和含硫无机化合物为能源，合成硫酸，作为有效的生物浸出剂从工业固体残渣和电子废弃物中浸出稀土元素[8]，[9]。然而，反应速率慢和浸出周期长阻碍了传统生物浸出的工业化应用[10]。外源有机酸最近作为生物浸出的促进剂展现出巨大潜力。低分子量有机酸，包括柠檬酸（CA）、草酸（OA）和葡萄糖酸（GA），可通过降低pH值、络合金属离子和刺激微生物代谢来提高Cu、Ni和Zn的浸出效率[7]。然而，大多数现有研究侧重于硫化矿和单金属矿物体系[11]，而对从尾矿中微生物浸出稀土元素的增强机理的系统认识仍然不足。
以往的研究在有机酸筛选、浓度优化和机理阐释方面存在若干局限性。首先，有机酸评估缺乏系统性。大多数报道仅测试一种或两种有机酸，很少有在同一反应体系中对结构各异的有机酸（如羟基羧酸和羧酸）进行平行比较[7]，[12]，[13]，[14]。其次，浓度依赖行为未被充分探讨。许多试验仅采用单一用量，忽略了有机酸对微生物活性常见的低剂量促进和高剂量抑制作用。第三，机理认识较为浅层。当前分析主要依赖pH变化和浸出率的关联[15]，[16]，未对微生物生长、氧化还原电位（ORP）以及固相金属赋存形态变化等耦合因素进行深入探讨。第四，预测模型的应用较少。传统单因素实验分析和响应面方法在工艺参数优化中应用广泛，但在表征多变量之间的非线性耦合关系方面存在明显局限性[17]，[18]。相比之下，机器学习（ML）可以建立此类复杂关系模型，并从工艺特征预测生物浸出效率[19]。除预测之外，ML还有助于量化关键因素的贡献并揭示交互模式，从而解答浸出体系中微生物-环境耦合的核心问题[20]。因此，ML模型的应用可用于阐明RET的浸出过程。
为克服上述局限性，我们假设添加外源有机酸可通过调节At.t活性、浸出pH值和金属络合能力来提高从尾矿中提取稀土元素的效率。由于分子结构和官能团的差异，这些有机酸对生物浸出的促进或抑制作用程度不同。本研究旨在回答三个核心问题：(1) 不同外源有机酸如何影响At.t对RET的生物浸出性能，其效应是促进还是抑制？(2) 哪种有机酸在何种浓度下对RET的浸出改进效果最佳，其潜在机理是什么？(3) 能否开发数据驱动模型来预测和优化生物浸出过程并阐明关键影响因素之间的相互作用？为回答这些问题，开展了多批次生物浸出实验，以研究不同操作参数下浸出性能的变化。随后采用先进的显微和光谱技术揭示生物浸出过程中微观界面相互作用机理。进一步结合相关分析和类别提升（CatBoost）机器学习算法，对实验数据集进行多维定量分析，以阐明稀土生物浸出的核心反应机理。本研究阐明了外源有机酸如何调节At.t驱动的稀土生物浸出过程，并揭示了有机酸、微生物活性和矿物相之间的协同相互作用。这些机理研究成果为从RET中回收二次资源奠定了理论基础，并提供了实用方法。
章节摘要
稀土尾矿
RET样品采集自中国福建省龙岩稀土矿区。这些尾矿是在离子吸附型稀土矿加工过程中产生的。
在进行消解和元素分析之前，将样品自然风干30天，然后过筛收集粒径小于0.075 mm的RET粉末。采用酸消解法（HNO?-HF-HClO?）对RET进行消解[21]。具体而言，将0.05 g粉末样品放入高压消解罐中
pH、ORP和OD600的动态变化
图1a展示了接种At.t的控制组中添加不同外源有机酸后的pH动态变化。由于其pKa最低，OA的初始pH约为1.8，明显低于CA、AA、GA和对照组。对于含CA的体系，pH在第6–12天间从2.4先上升至2.7，随后下降。这种pH演变反映了竞争性平衡：At.t氧化单质硫释放H+并导致酸化[8]，而CA结合
结论
本研究系统评估了四种外源有机酸对At.t.介导的RET生物浸出性能的促进和抑制效应。结合多尺度表征和可解释的机器学习方法，详细阐述了生物浸出过程中有机酸-微生物-矿物三元协同机制。主要结论总结如下：(1) 浸出促进或抑制由有机酸种类决定。GA、OA和CA，凭借其双重
CRediT作者贡献声明
胡佳辉：撰写——初稿、调查、经费获取、数据整理。蔡婉玲：撰写——审阅与编辑、监督、方法论、调查。陈祖良：撰写——审阅与编辑、监督、经费获取、概念化。
利益冲突声明
作者声明他们不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。
致谢
感谢创新团队培养计划（Y0720414B06）、福建师范大学（中国）以及福建省青年科技人员培养项目（A类，项目编号：2025350816）（中国）的资助。
Jiahui Hu|Wanling Cai|Zuliang Chen
