基于有机负荷率波动的乳清厌氧消化稳定性评估：从互营性挥发性脂肪酸降解与恢复微生物信号角度

《Bioresource Technology》：Assessment of whey anaerobic digestion stability based on organic loading rate fluctuation: In terms of syntrophic volatile fatty acid degradation and microbial signals of recovery

　　

• • M反应器在有机负荷冲击后表现出快速恢复能力。
• • 在L反应器中特异性观察到瘤胃球菌科（Ruminococcaceae）和肠球菌科（Enterococcaceae）。
• • PICRUSt2预测氨基酸和挥发性脂肪酸（VFA）代谢存在潜在差异。
• • 网络分析揭示了蛋白质相关微生物群落的关联。

引言

为实现循环经济，有机废物和废水的可持续处理近年来受到越来越多的关注。厌氧消化（AD）提供了一种可持续的途径来处理碳质残留物并同时生产可再生能源（Adekunle and Okolie, 2015; Rhee et al., 2021）。厌氧消化中有机物的转化由多种微生物活动驱动——水解、产酸、产乙酸和产甲烷（Adekunle & Okolie, 2015）。由于这些紧密耦合的微生物过程决定了反应器的整体性能，因此需要精心管理以确保厌氧消化系统的稳定运行。特别是，全尺度厌氧消化系统由于进料加载的时间变化而经常出现有机负荷波动（Mao et al., 2015）。有机负荷率（OLR）波动会扰乱微生物活动之间的平衡，导致过程不稳定，包括挥发性脂肪酸（VFA）积累、pH下降和沼气产量减少（Jo et al., 2021）。在实际规模的消化器中，这些波动难以避免，因为底物特性会受到操作变化的影响，包括季节性进料供应和与储存相关的质量变化（Yu et al., 2026; Yuan et al., 2025）。因此，了解厌氧消化反应器如何应对有机负荷率波动对于提高过程鲁棒性和恢复能力至关重要（Shin et al., 2010）。

传统上，有机负荷率波动、温度冲击和抑制剂暴露等操作干扰一直被视为恶化反应器稳定性和沼气产量的因素（De Vrieze et al., 2013; El-Mashad et al., 2004; Ferguson et al., 2016; Wang et al., 2024）。然而，近期研究表明，厌氧消化器的运行历史可以塑造其随后对波动的抵抗能力和过载后的恢复力。这种运行历史可能促进不同微生物群落的建立，从而影响随后过载事件中的共生互作和恢复途径。例如，McMahon等（2004）通过比较两个相同的消化器评估了接种种子料的影响，发现未接种种子的消化器比接种种子的消化器表现出对严重有机过载的更高耐受性。作者认为，古菌与共生细菌之间的密集互作提高了反应器对挥发性脂肪酸积累的耐受性。类似地，在低pH（5.2 ± 0.4）的过载消化器中形成了独特的微生物群落，一旦pH恢复，过程便得以恢复（Goux et al., 2015）。另一方面，复制膜生物反应器中的微生物群落根据进料策略彼此相似地发展（Falk et al., 2009）。总的来说，这些研究表明，运行历史决定了微生物群落如何应对随后的过载事件。最近，我们之前的研究将底物波动纳入了基于机器学习的反应器性能预测模型（Kim et al., 2025; Yu et al., 2024）。虽然这些方法成功地估计了微生物活性、挥发性脂肪酸积累和沼气产量，但它们主要关注预测准确性，而非在特定有机负荷率波动策略下微生物适应性的机制解释。相比之下，本研究系统比较了适应不同有机负荷率策略的反应器，并考察适应历史是否主导了过载条件下的微生物恢复力、功能转变和网络水平互作。

对微生物群落的全面分析和解释对于阐明操作条件对反应器状态的影响至关重要。据报道，特定的微生物类群是厌氧消化器稳定性的指标。例如，据报道，瘤鼻杆菌科（Dysgonomonadaceae）与反应器不稳定相关（Maus et al., 2020）。氨基球菌属（Aminobacterium）、梭菌属（Clostridium）、棒杆菌属（Corynebacterium）、乳杆菌属（Lactobacillus）和普雷沃氏菌属（Prevotella）也是厌氧消化器中的重要指标（Cortez-Cervantes et al., 2024）。这些微生物指标与物理化学参数（如pH和挥发性脂肪酸）密切相关，它们既反映又调节厌氧消化性能（Thapa et al., 2023）。例如，代表厌氧消化中主要发酵细菌的厚壁菌门（Firmicutes）和拟杆菌门（Bacteroidetes）与pH和沼气产量密切相关（Chen et al., 2016）。然而，仅基于丰度的微生物群落信息不足以解释微生物群落在受损反应器性能和恢复中的功能作用。因此，需要进行功能解释和基于关联的分析，以识别与挥发性脂肪酸积累、共生代谢和恢复途径相关的微生物标志物。

网络分析已被广泛应用于微生物群落数据，因为它能够推断类群之间的结构化关联，而不仅仅是简单的丰度比较（Komilis et al., 2017; Matchado et al., 2021）。在微生物网络中，节点通常代表类群，而边由统计关联定义。统计连接可以从共现模式、时间协变或条件依赖结构中进行估计（Srinivasan et al., 2024）。通过减少间接关联并突出潜在的直接联系，网络分析为研究群落组织、潜在生态互作以及微生物联合体在不同环境条件下的重组提供了更具机制性的框架（Matchado et al., 2021）。在此背景下，网络分析可以通过识别反应器失衡和恢复期间的结构化微生物关联来补充功能预测。

因此，本研究旨在确定先前的有机负荷率历史是否塑造了厌氧消化器在过载条件下的稳定性和恢复轨迹。选择乳清作为唯一的碳源，因为乳清的单独消化由于其快速发酵和低碱度（与其高乳酸含量相关）会导致严重的挥发性脂肪酸积累（Casallas-Ojeda et al., 2024; Treu et al., 2019）。因此，即使在相当有机负荷率下，乳清也能产生严重的抑制效应。首先，十个序批式反应器（即五个条件的重复实验）在不同的有机负荷率制度下运行，包括固定的低、中和高有机负荷率以及两种波动的有机负荷率模式。然后，反应器接受相同的过载、恢复和恢复处理序列，以区分共同恢复响应与依赖于有机负荷率历史的微生物模式和恢复处理。基于pH和挥发性脂肪酸曲线评估反应器稳定性，并分析微生物群落变化，以揭示与反应器性能相关的微生物特征。进一步应用基于PICRUSt2的功能预测和网络分析来推断反应器失衡和恢复期间的潜在功能转变和结构化微生物关联。

分节摘要

实验设计与方法

采用乳清（Samik Inc., 韩国）作为底物，对五个条件进行重复实验（即总共十个厌氧反应器），以评估底物波动和生物增强的效果。运行五个条件的反应器以评估稳定类型的影响。每个实验条件进行重复操作。此外，应用了两种恢复处理——缓冲液稀释和生物增强。缓冲液稀释作为对照处理进行……

厌氧消化的鲁棒性

通过测量pH和挥发性脂肪酸来监测反应器的稳定性。图1展示了生物增强反应器的pH和挥发性脂肪酸随时间的变化情况（参见补充材料以查看应用缓冲液稀释的反应器信息）。此外，沼气产量作为微生物活性的指标，显示在补充材料中。

总体而言，反应器的pH和挥发性脂肪酸水平主要随操作阶段变化。pH保持稳定（7.1–7.6）

结论

本研究证明，先前的有机负荷率历史塑造了过载条件下乳清进料厌氧消化器的稳定性和恢复轨迹。中等有机负荷率反应器表现出最有利于pH恢复和挥发性脂肪酸去除，而低有机负荷率和阶梯振荡反应器表现出明显的己酸积累，高有机负荷率和剧烈振荡反应器表现出丙酸降解延迟。由于所有反应器接受了相同的恢复和恢复处理序列，

CRediT作者贡献声明

Sung Il Yu：撰写——初稿、方法论、调查研究、形式化分析。Juhee Shin：撰写——审阅与编辑、调查研究、形式化分析、概念构思。Tergel Dalantai：撰写——审阅与编辑、调查研究。Yong-Uk Shin：撰写——审阅与编辑。Chaeyoung Rhee：撰写——审阅与编辑、调查研究。Kyung Hwa Cho：撰写——审阅与编辑、方法论、概念构思。Seung Gu Shin：撰写——审阅与编辑、监督指导、方法论、资金获取。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本论文所报告的工作。

致谢

本研究还得到韩国国家研究基金会（NRF）资助，由韩国政府（科学技术信息通信部）拨款支持（RS-2025-02213817、RS-2026-25477932和RS-2025-00560611）。

Sung Il Yu | Juhee Shin | Tergel Dalantai | Yong-Uk Shin | Chaeyoung Rhee | Kyung Hwa Cho | Seung Gu Shin | Hyokwan Bae