综述：发酵驱动的谷物副产物增值：机制、功能应用与新兴人工智能辅助方法

《Food Chemistry: X》：Fermentation-driven valorization of cereal by-products: Mechanisms, functional applications, and emerging AI-assisted approaches

　　

谷物加工产生大量副产物，尽管富含生物活性化合物，但仍未得到充分利用。近期研究强调了发酵在通过微生物介导的酶水解释放结合态化合物中的关键作用。研究人员总结了常见谷物副产物中的营养与功能成分、增强其生物活性成分的具体发酵机制，以及发酵谷物副产物在食品及其他工业领域的应用。人工智能（AI）已成为预测发酵性能、优化发酵参数以及提高谷物副产物增值中生物活性化合物提取效率的有前景工具。尽管大规模应用仍具挑战性，但将发酵与AI相结合有望发展循环生物经济并促进可持续发展。

1. 引言

谷物是全球食品系统的基础，提供必需营养并支撑粮食安全。然而，日益增长的谷物加工需求产生了大量副产物，包括麸皮、胚芽及其他残余组分。这些副产物被视为低价值残留物，但具有转化为有价值食品配料和工业资源的巨大潜力。微生物发酵已成为提高谷物副产物利用潜力的重要策略，利用微生物代谢和酶活性将底物转化为具有功能特性的产品。常见的微生物发酵方法包括乳酸菌（LAB）和酵母发酵。底物、微生物和加工条件之间的复杂相互作用影响发酵结果，难以实现精确控制和稳定质量。人工智能（AI）通过数据驱动的分析、预测和优化，为理解与调控发酵过程提供了新可能。机器学习（ML）和深度学习（DL）能够促进发酵参数的实时监控和动态调节。然而，AI在谷物副产物发酵中的应用仍处于早期阶段，其与微生物转化过程的整合尚未系统建立。

2. 谷物副产物组成

谷物副产物如麸皮、胚芽和啤酒糟（BSGs）富含膳食纤维、酚类化合物和肽等功能成分。

2.1. 蛋白质

谷物加工副产物富含植物蛋白，主要包含清蛋白、球蛋白、玉米醇溶蛋白和谷蛋白。醇溶蛋白是主要贮藏蛋白，在玉米中为玉米醇溶蛋白，在大麦中为大麦醇溶蛋白，在小麦中为麦谷蛋白，在高粱中为高粱醇溶蛋白。物理技术辅助蛋白提取可提高提取率、氨基酸释放率和消化性。

2.2. 碳水化合物

碳水化合物是谷物副产物中最丰富的成分。麸皮和谷壳中膳食纤维占干重50%以上，其中不溶性纤维主要为纤维素、半纤维素和木质素，占麸皮总膳食纤维的90%以上。半纤维素主要以阿拉伯木聚糖（AXs）形式存在。膳食纤维具有调节肠道菌群平衡、降低胆固醇吸收及减少肥胖和2型糖尿病等慢性疾病的功能。

2.3. 微量营养素

谷物副产物富含维生素和矿物质，钙含量最高，其次为铁和锌。米糠富含生育酚、生育三烯酚和植物甾醇。例如，用费氏丙酸杆菌和嗜酸乳杆菌发酵麦麸可有效提高维生素B₁₂含量。

2.4. 生物活性成分

谷物副产物含有多种生物活性成分，包括酚酸、类黄酮、植物甾醇、γ-谷维素、生物活性肽和膳食纤维衍生物。这些成分的浓度和类型因谷物品种、加工方法和副产物类型而异。然而，许多功能成分嵌入坚硬的植物细胞壁基质或以结合形式存在，限制了其生物利用度和应用潜力。

3. 通过微生物发酵增强生物活性

微生物发酵是开发利用谷物副产物生物活性的重要生物技术过程。LAB产生有机酸和细菌素，并具有水解复杂大分子的酶系统。霉菌具有强酶能力和菌丝生长模式，产生木质纤维素降解酶。酵母产生微生物蛋白、乙醇和风味化合物。发酵可分为固态发酵（SSF）和液态发酵（SMF）等类型。SSF具有产物产量高、水和能耗低等优点，SMF则对发酵动力学控制更佳。

3.1. 酚类释放与结构生物转化

谷物副产物中的酚类化合物主要以结合形式存在，通过酯键或醚键与细胞壁成分共价连接。微生物发酵分泌碳水化合物活性酶和酯酶，破坏细胞壁多糖与酚酸之间的连接，释放糖苷型酚类并转化为高生物利用度的苷元。此外，发酵还通过酶活性促进酚类结构转化，如谷物链霉菌可将麦麸中的阿魏酸转化为4-乙烯基愈创木酚，增强生物活性和感官特性。

3.2. 生物活性肽的释放

微生物发酵可促进生物活性肽的释放。谷物副产物中的蛋白质是生物活性肽的直接前体。LAB通过膜结合蛋白酶水解蛋白质，释放具有抗菌、抗氧化和免疫调节活性的肽。共发酵可提高蛋白降解效率，但肽产量和生物活性因菌株和底物而异。

3.3. 膳食纤维与细胞壁多糖的重塑

微生物发酵通过碳水化合物活性酶和代谢产物重塑细胞壁多糖结构。纤维素酶和木聚糖酶水解糖苷键，发酵产生的酸化进一步破坏紧密的细胞壁基质，降低不溶性多糖的聚合度和结构完整性，促进其溶解为低分子量可溶性碳水化合物。例如，植物乳杆菌和红曲霉共发酵麦麸可显著增加可溶性阿拉伯木聚糖（AXs）组分，同时提高总酚含量和抗氧化活性。

4. 发酵谷物副产物的应用

4.1. 基于谷物副产物的发酵食品

发酵谷物副产物可直接开发为功能性食品，或用作焙烤产品、饮料等食品的营养配料。例如，利用植物乳杆菌EM发酵米糠制成功能性食品；乳酸菌发酵麦麸用于面包生产；玉米加工副产物经乳酸菌发酵后掺入面包配方。

4.2. 工业用增值生物制品

发酵谷物副产物可转化为生物燃料、工业酶、有机酸和生物肥料。麦麸和稻壳的固态发酵可生产酶制剂、风味添加剂和生物塑料。黑曲霉预处理可改善稻壳发酵，提高乙醇和抗氧化剂产量。

4.3. 发酵谷物副产物的商业化

商业化可行性取决于原料成本、收集、运输、储存、预处理、发酵效率、下游回收和产品标准化。SSF工业规模受传热传质不均和监测困难限制；SMF控制精确但成本较高。采用集成生物炼制技术从同一原料回收多种产品可提高盈利能力。食品应用需进行安全性评估，因为副产物可能累积真菌毒素、农药残留和重金属。发酵可降解某些毒素，但转化产物可能仍有毒性，需要验证分析和毒理学评价。法规要求因产品类型而异，需从早期阶段整合成分表征、暴露评估、致敏性评价、货架期稳定性测试、标签和健康声明验证。

5. 利用人工智能实现发酵谷物副产物的增值

AI在微生物学中用于数据分析和过程优化。ML模型包括人工神经网络（ANNs）、支持向量机（SVMs）、遗传算法（GAs）和模糊逻辑（FL）系统。ANNs能捕捉非线性关系，DL用于大规模数据分析，GAs用于参数优化。混合AI框架结合多种方法，与过程分析技术（PAT）和物联网（IoT）集成可实现实时监控和自适应控制。

5.1. 发酵过程优化

AI用于预测和优化发酵参数。例如，利用芽孢杆菌固态发酵啤酒糟（BSGs）生产聚-β-羟基丁酸酯（PHB），人工神经网络（ANNs）结合遗传算法（GAs）预测最佳培养基组成，模型预测PHB产量为916.31 mg L^?1，实验验证约916 mg L^?1。另一个案例利用保加利亚乳杆菌和马克斯克鲁维酵母共发酵青稞麸皮，比较支持向量机（SVM）、随机森林（RF）和极端梯度提升决策树（XGBoost）模型，XGBoost性能最佳，优化后可溶性膳食纤维（SDF）与不溶性膳食纤维（IDF）比达0.6911，IDF降低27.65%，SDF增加19.11%。混合建模策略如XGBoost结合动力学ANNs模型可提高动态条件下的预测性能。

5.2. 生物活性化合物提取

传统提取技术如索氏提取存在溶剂消耗大、周期长、破坏热敏物质等缺点。AI通过ML模型从实验数据中学习，识别多维参数空间中的最佳操作范围。在非谷物系统中，ANNs已用于模拟芒果皮酚类提取，随机森林（RF）优化番茄种子类黄酮回收。ANNs与GAs结合比响应面法（RSM）具有更高预测精度和提取效率。在谷物副产物中，近红外光谱结合DL可实时检测研磨强度，电子鼻和电子舌与ML结合用于风味质量评估。AI辅助提取可提高回收效率和纯度，减少时间和溶剂消耗，但多数研究仍处于实验室阶段。

5.3. 功能性食品创新

5.3.1. 配方设计

AI可支持功能性食品配方的设计和优化。传统配方筛选效率低，AI结合大语言模型和营养数据库可开发针对糖尿病群体的个性化米糠膳食产品。DL可预测血糖指数（GI）和血糖反应曲线。通过分析米糠中功能活性成分释放动力学，可开发GI≤55的低糖食品配方。AI整合感官评价和体外消化实验数据可优化产品口味和营养标准。混合机器学习框架已用于食品设计，从配方变量预测感官特性。

5.3.2. 智能包装

发酵谷物副产物可用作智能包装材料的基础材料。发酵改变细胞壁组分性质，增强吸水性和成膜性。米糠水解液发酵细菌纤维素产量可达20.69 g L^?1，具有优良纳米纤维结构和热稳定性。谷物副产物可转化为聚羟基链烷酸酯用于食品包装。AI在淀粉基活性包装膜中通过ANNs预测机械和阻隔性能，ML预测可持续瓦楞纸板力学性能，这些方法可转移到发酵谷物副产物包装开发。

6. 挑战与展望

6.1. 推进农业工业谷物加工的可持续性

全球每年产生约11-13亿吨木质纤维素残留物，其中30%-35%被露天焚烧，导致相当于4500-5200万吨二氧化碳（CO₂）排放。发酵基增值策略可促进联合国可持续发展目标（SDGs）的实现。发酵技术将谷壳、稻草等转化为酶和有机酸，支持SDG 7和SDG 13。混合培养发酵将副产物转化为营养食品和饲料，助力SDG 2和SDG 3。厌氧发酵产生甲烷和氢气等清洁能源，替代化石燃料。

6.2. 新兴与混合发酵技术

传统发酵存在周期长、易污染和热敏成分降解等问题。新兴物理场技术包括脉冲电场（PEF）、超声处理和磁场辅助发酵（MFF）。低剂量PEF促进微生物生长，超声处理破坏细胞结构释放酚类化合物，静磁场处理可增强发芽水稻酶活性并富集γ-氨基丁酸。这些技术可与微生物发酵结合，并与AI联合应用。

6.3. 微生物群落合成

微生物群落合成是人工设计和组装特定菌株，创建功能独特的微生态系统。混合菌群通过协同作用降解复杂多糖和结合酚类。ML可分析群落相互作用并预测动态变化，辅助优化群落设计。例如，利用ML模型设计大麦麸发酵的微生物群落，精确优化膳食纤维生产。但面临数据碎片化、高阶相互作用和群落可扩展性等挑战，未来需标准化数据与可解释模型结合。

7. 结论

发酵基增值是谷物副产物可持续利用的有效方法。与AI结合可减少副产物浪费并促进循环生物经济。AI推动发酵过程从经验方法向数据驱动精确调控转变。ML模型可预测发酵中生物量积累和代谢产物变化。AI可优化菌株组合和发酵参数，减少实验工作量。然而，直接将AI与谷物副产物发酵结合的研究仍有限，多数应用停留在实验室规模。需在不同原料批次、发酵系统和生产规模下验证模型性能。AI应被视为有前景的辅助技术，而非工业部署的现成解决方案。