球状赖氨酸杆菌对Direct Black 22的可解释机器学习降解机制：动力学、作用机理及废水处理应用

《Journal of Environmental Chemical Engineering》：Interpretable machine learning biodegradation of Direct Black 22 by Lysinibacillus sphaericus: kinetics, mechanism, and wastewater application

　　

摘要

生物修复是一种低成本、环保的工艺，利用微生物分解有害毒素，例如来自纺织染料的毒素。本研究调查了分离出的细菌（IJA-2A）在降解Direct Black 22（DB-22）染料方面的效率。该细菌通过16S rRNA基因测序被鉴定为Lysinibacillus sphaericus。在最优条件下（初始染料浓度为100 mg/L，pH 7.0，温度30°C），IJA-2A在96小时内实现了96%的脱色效果。此外，当染料浓度增加到500 mg/L时，脱色率仅下降了30%。通过回归分析训练了机器学习模型来预测脱色效率。在各种机器学习模型中，支持向量回归（SVR）技术在超参数优化后，在5折分层交叉验证中获得了0.876（±0.060）的平均R2值，RMSE为7.61，MAE为4.66。SHAP值表明孵育时间是预测DB-22染料脱色效率的最重要因素。傅里叶变换红外光谱（FT-IR）研究表明，在生物降解过程中发生了分子结构变化。气相色谱-质谱（GC-MS）分析还发现了降解过程中的中间产物，包括磺化萘、苯衍生物、邻苯二甲酸盐和苯胺。最后，这种菌株有效地去除了实际纺织废水中的颜色，脱色率超过95%，同时显著降低了生化需氧量（BOD）、化学需氧量（COD）和总有机碳（TCO）。条件调整后的比较显示，在所检测的11种微生物中，L. sphaericus IJA-2A的脱色预测效率最高，凸显了其作为Direct Black 22生物修复候选菌株的潜力。

引言

Direct Black 22（DB-22）是一种高分子量的多偶氮纺织染料，用于棉花、皮革和纸张以获得深黑色。全球偶氮染料的年产量超过700万吨，其中直接黑染料是主要成分。纺织生产过程中染色不彻底会导致10-15%的染料进入废水系统[1]。在纺织废水中检测到的DB-22浓度为10-500 mg/L，其多偶氮结构使其具有很强的抗水解和光降解能力，从而对环境造成干扰[2]、[3]。由于染色使用量巨大，纺织工业产生了大量废水，其中包含染料、洗涤剂、悬浮颗粒以及其他有机和无机污染物[4]、[5]。因此，包括美国环境保护署在内的监管机构已经对偶氮染料废水制定了严格的排放标准，但由于DB-22产量大且生物降解性低，它仍然是一个值得关注的污染物[6]、[7]。

纺织工业使用了大约56%的合成染料，这些染料的排放会严重污染废水[8]。纺织工业废水通常通过膜分离、沉淀/絮凝、吸附、混凝/沉淀、氧化和生物处理等方法进行处理[9]、[10]。微生物分泌的胞外聚合物（EPS）是高分子量聚合物，会附着在细胞表面，可分为紧密结合型和松散结合型。EPS能有效吸附废水中的纺织染料污染物[11]。大多数传统方法效率低、成本高、不易扩展，且会产生二次污染的废水和污泥[12]。生物处理作为一种可持续且经济有效的染料去除方法越来越受到关注。人们探索了利用生物修复技术（通过吸附、矿化或微生物转化）从水中去除染料的可能性[13]、[14]。利用微生物进行生物修复被提出作为一种处理含染料废水的可持续技术，因为它可以在适中温度下运行[15]、[16]。

在厌氧或微好氧条件下，DB-22中的偶氮键通过偶氮还原酶（EC 1.7.1.6）断裂，该酶催化NADH依赖的电子转移，生成无色中间产物和芳香胺[17]。随后的好氧降解过程涉及漆酶、过氧化物酶和单加氧酶[18]。已有研究表明多种细菌可以降解纺织染料，包括和，这些细菌在中温（30–37°C）和接近中性的pH值（6.5–7.5）下表现最佳[19]、[20]Lysinibacillus sphaericus能够脱色并降解多种合成染料，如木胺橙、刚果红、Remazol Brilliant Blue R和其他纺织偶氮染料，显示出其在染料修复方面的潜力[21]、[22]。然而，尽管有这些研究，L. sphaericus对Direct Black 22的生物降解行为尚未得到充分研究，此处研究的特定菌株与染料的组合也未进行广泛研究[23]、[24]。

与传统统计方法不同，可解释的机器学习技术可以量化生物降解系统中的特征重要性和交互效应，从而提供对复杂系统的更深入理解[25]。K近邻（KNN）是一种基于距离的预测方法，因其灵活性和可解释性而受到重视，因为它从最相似的训练样本中得出结果[26]。随机森林（RF）是一种集成学习算法，通过结合多个决策树来提高预测准确性、减少过拟合并增强泛化能力[27]。岭回归（Ridge Regression）是一种使用L2正则化的线性回归方法，可以减轻共线性问题，从而提高预测稳定性[29]。梯度提升（Gradient Boosting，GB）是一种集成方法，通过逐步生成决策树来纠正前几棵树的错误，从而提高预测准确性[30]。支持向量回归（SVR）是一种基于核的回归方法，以其强大的泛化能力和捕捉非线性关系的能力而闻名[29]。因此，SVR模型适用于描述复杂的环境系统[31]。

本研究验证了以下假设：从废水中分离出的细菌菌株（Lysinibacillus sphaericus-IJA-2A）可以通过偶氮还原酶介导的还原切割以及随后芳香族中间体的氧化转化，有效去除多偶氮纺织染料（DB-22）的颜色。脱色效率受温度、pH值、孵育时间和染料浓度显著影响。我们还假设可解释的机器学习模型能够准确预测脱色结果并量化相关操作参数。为了验证这一假设，我们进行了以下工作：（i）分离出该细菌菌株并确认其分类为Lysinibacillus sphaericus；（ii）在不同温度、pH值、孵育时间和染料浓度下评估其脱色效果；（iii）分析生物降解动力学和代谢中间产物以确定降解途径；（iv）开发并验证了支持向量回归（SVR）、随机森林（RF）、岭回归（RR）和梯度提升（GB）模型以预测脱色效率。将这些模型与实验生物降解数据相结合，可以在保持生物学可解释性的同时，实现对最佳条件的稳健预测，这种方法在DB-22修复研究中尚未得到充分应用。

章节片段

化学物质

用于生物降解实验的DB-22染料（纯度≥99%）由巴基斯坦旁遮普省的服装和纺织工业提供。所有试剂，包括乙腈、甲酸、乙酸乙酯和甲醇，均为HPLC级，购自韩国京畿道安山的Duksan Pure Chemicals公司。

细菌菌株的鉴定与分析

工业废水从巴基斯坦开伯尔-普赫图克瓦地区的七个不同来源收集，并存放在4°C的条件下以供后续使用[32]。

用于染料降解的细菌菌株的生物勘探

通过16S rRNA基因测序和NCBI GeneBank数据库的BLAST搜索，IJA-2A菌株显示出最大的脱色效果（见图S1），与L. sphaericus的相似度达到100%。基于MEGA11构建的邻居连接法进行的系统发育分析进一步确认了IJA-2A与L. sphaericus之间的密切关系（见图1）。

结论

在最佳条件下（温度30°C，pH 7.0，时间96小时），Lysinibacillus sphaericus IJA-2A实现了96%的DB-22脱色效率。值得注意的是，在标准化条件下，L. sphaericus IJA-2A的表现优于之前报道的其他直接黑染料降解微生物，进一步证明了其在实际生物修复应用中的潜力。结果表明，该分离菌株在工业废水生物修复方面具有很大潜力。

作者贡献

Ihtisham Jamil和Muhammad Tariq Zahid参与了实验设计的概念规划。Ihtisham Jamil和Ghulam Mustafa进行了实验操作，数据分析，组织数据展示并撰写了手稿。Aliya Alvi、Tehreem Batool、Hyunjo Ahn、Ju-Hyeok Kwon和Deok-Won Kim参与了分析表征和代谢分析。Farah Rauf Shakoori和Ramesh Kumar对手稿进行了严格审查和修改。Byong-Hun Jeon批准了手稿的最终版本。

CRediT作者贡献声明

Deok-Won Kim：撰写——初稿、可视化、验证、方法论、研究、数据分析、概念化。Farah Rauf Shakoori：撰写——审稿与编辑、可视化、验证、数据分析、概念化。Tehreem Batool：可视化、验证、方法论、数据分析、概念化。Ramesh Kumar：撰写——审稿与编辑、可视化、验证、方法论、研究、数据分析、概念化。Ju-Hyeok Kwon：

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究得到了韩国国家研究基金会（NRF，由韩国政府资助）（RS-2025–00520940）和韩国能源技术评估与规划研究所（KETEP）（RS-2023-00255939）的资助。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

利益冲突声明

作者声明他们没有利益冲突。