# 高效预处理海洋大型藻类生物质（Ulva reticulata）以强化生物制氢：人工智能辅助评估

《Phycology》：Effective Pretreatment of Marine Macroalgal Biomass (Ulva reticulata) for Enhanced Biohydrogen Production: An Artificial Intelligence-Assisted Evaluation

　　

海洋大型藻类生物质中可发酵底物的有限可及性制约了高效生物制氢。本研究评估了热、分散器和生物表面活性剂预处理单独及组合使用对增强Ulva reticulata生物质增溶和生物制氢的效果。研究了热预处理（50–90 °C）、分散器预处理（4000–14,000 rpm）和生物表面活性剂预处理（0.002–0.09 g/g总固体）。热预处理（80 °C，45分钟）在比能量需求为44,064 kJ/kg总固体（TS）的条件下实现了2640 mg/L的溶解性化学需氧量（sCOD）释放，而分散器预处理（8000 rpm，30分钟）在31,347 kJ/kg TS的条件下释放了2720 mg/L的sCOD。使用0.01 g/g TS生物表面活性剂的集成热-分散器-生物表面活性剂预处理在20,898 kJ/kg TS的条件下实现了最高的sCOD释放（3015 mg/L）和增溶率（26%）。以骆驼粪为接种物的暗发酵最大产氢量为83 mL H₂/g COD，而单独热预处理和热-分散器预处理分别为50和58 mL H₂/g COD。厚壁菌门（Firmicutes）是最丰富的门，主要属包括Romboutsia、Clostridium sensu stricto 1、Turicibacter和Paeniclostridium。人工神经网络在无泄漏验证下准确再现了累积生物制氢趋势，并依据实验结果对预处理方案进行了排序。总体而言，集成预处理在降低能量需求的同时增强了生物质增溶和生物制氢效果。

## 论文解读：海洋大型藻类Ulva reticulata的集成预处理强化生物制氢及其人工智能辅助评估

### 一、研究背景与科学问题

化石燃料消耗带来的环境问题推动了可持续能源技术的发展。氢能因其高能量含量和终端使用低排放特性被视为有前景的能源载体。暗发酵（dark fermentation）因其产氢速率较高、反应器结构简单且可利用富含碳水化合物的生物质而受到广泛关注。然而，暗发酵产氢效率高度依赖于产氢微生物对有机底物的可及性和生物可降解性。

海洋大型藻类因含有可观碳水化合物且不占用农业用地和粮食资源，被认为是生物燃料生产的有前景原料。绿藻门（Chlorophyta）石莼属（Ulva）具有生长迅速、生物质产量高的特点，其碳水化合物可作为微生物发酵底物。已有研究证实通过暗发酵从Ulva生物质产氢的可行性。然而，藻类碳水化合物的复杂细胞结构和聚合性质限制了微生物对可发酵有机物的可及性，因此水解和增溶是实现高效产氢的关键步骤。

预处理是大型藻类生物制氢的重要环节，可通过破坏生物质结构、促进可溶性有机物释放来增强底物可及性。热、机械、化学、生物及表面活性剂辅助方法已有单独或组合应用，但各方法在能耗、化学药剂需求、抑制剂生成或生物质崩解不彻底等方面存在局限。此前对Ulva reticulata的研究分别验证了分散器-生物表面活性剂和微波-表面活性剂体系，但未在统一实验框架下系统评估热、分散器和生物表面活性剂的逐级集成。此外，同时评估生物质增溶、sCOD释放、比能量需求、产氢量、微生物群落组成和人工智能预测的研究依然有限。基于此，该研究旨在系统地评估单一及集成预处理策略对U. reticulata生物质发酵性能的综合影响。

### 二、研究目标与研究设计

该研究设计旨在通过以下具体目标填补上述研究空白：（i）以sCOD释放和比能量需求确定各单一预处理方法的最优操作条件；（ii）从sCOD释放、生物质增溶率和能量需求角度评估集成热-分散器-生物表面活性剂预处理；（iii）以骆驼粪为接种物测定最优预处理后U. reticulata的暗发酵产氢量；（iv）表征与暗发酵相关的优势微生物类群；（v）开发人工神经网络模型预测累积产氢量并识别表现最优的预处理策略。研究的创新性在于将热、高速分散器和生物表面活性剂预处理系统集成，并同步评估底物增溶、比能量需求、产氢性能、微生物群落特征及基于人工神经网络的工艺预测。

### 三、关键技术与方法概述

**样本来源**：Ulva reticulata采集自沙特阿拉伯吉达沿海（21°35′10″ N 39°06′30″ E）。**预处理优化**：依次对热预处理（50–90 °C，0–90分钟）、热-分散器组合（4000–14,000 rpm，0–45分钟）和热-分散器-生物表面活性剂组合（鼠李糖脂0.002–0.09 g/g TS，0–30分钟）进行逐级优化。**暗发酵产氢试验**：以经100 °C热处理2小时的骆驼粪为接种物，在330 mL反应器中于37 °C、150 rpm条件下进行20天批次发酵。采用气相色谱-热导检测器（GC-TCD）定量H₂浓度，以修正Gompertz方程拟合产氢动力学。**微生物群落分析**：提取发酵前后样本DNA，扩增16S rRNA基因V4–V5高变区，经Illumina NovaSeq PE250平台测序，以97%序列相似度归并OTU并比对SILVA数据库进行分类。**人工智能建模**：基于76个观测值（来自对照组及三种预处理组的20天逐日累积产氢记录）建立包含发酵时间、sCOD释放量、增溶率和比能量输入四个输入特征的监督学习框架，比较五种回归算法，采用留一处理组交叉验证和分块时间划分进行无泄漏评估。

### 四、主要研究结果

#### 4.1 藻类生物质表征

未经预处理的U. reticulata生物质总化学需氧量（TCOD）为9622 mg/L，sCOD为693 mg/L，碳水化合物浓度为154.3 mg/L，蛋白质浓度为148.1 mg/L。

#### 4.2 热预处理对可溶性有机物释放的影响

热预处理温度和持续时间均显著影响生物质增溶。sCOD、碳水化合物和蛋白质释放量随预处理时间延长而逐渐增加，但45分钟后增幅趋缓。在45分钟时，温度从70 °C升至80 °C使sCOD从2413 mg/L显著提升至2640 mg/L（p < 0.001），而80 °C升至90 °C的增幅不显著（p = 0.179）。80 °C、45分钟条件下碳水化合物和蛋白质释放量分别达到698.5和690.2 mg/L，对应增溶率21.8%，比能量消耗44,064 kJ/kg TS。继续增加能量输入至49,572 kJ/kg TS仅使增溶率提高0.7%，收益递减，表明该条件为能耗最优操作点。

#### 4.3 热-分散器组合预处理对可溶性有机物释放的影响

在优化的80 °C热条件下，分散器转速从4000提升至8000 rpm使sCOD显著增加至2720 mg/L（p = 0.005），处理时间为30分钟，碳水化合物和蛋白质分别达到775.6和760.8 mg/L。转速进一步升至14,000 rpm仅产生微小增幅且统计不显著。该组合预处理在30分钟内达到22.7%增溶率，比能量消耗为31,347 kJ/kg TS。与单一热预处理相比，集成预处理以更短时间和更低能耗实现了更高增溶率，体现了热软化和机械剪切的协同效应。

#### 4.4 热-分散器-生物表面活性剂组合预处理对可溶性有机物释放的影响

在80 °C和8000 rpm最优条件下加入鼠李糖脂可进一步提高增溶效率。鼠李糖脂剂量从0.008增至0.01 g/g TS时sCOD显著升高（p < 0.001），在20分钟内达到最大sCOD释放3015 mg/L，增溶率26.0%。碳水化合物和蛋白质释放量分别达979.6和963.6 mg/L。该最优条件（0.01 g/g TS、20分钟）的比能量输入仅为20,898 kJ/kg TS，较热预处理和热-分散器预处理分别降低52.6%和33.3%。相比无生物表面活性剂的热-分散器预处理，相同20分钟时sCOD释放提高约31%。鼠李糖脂通过降低界面张力、吸附于生物质表面减少颗粒絮凝以及破坏脂多糖富集的细胞膜增强通透性，促进胞内有机物释放。

#### 4.5 暗发酵生物制氢性能

经不同预处理后的底物采用骆驼粪接种物进行20天暗发酵。产氢曲线呈明显迟滞期、对数期和稳定期三个阶段。热-分散器-生物表面活性剂预处理（DT3）获得最大产氢量83 mL H₂/g COD，显著高于对照组（14.7 mL H₂/g COD）、热预处理（50 mL H₂/g COD）和热-分散器预处理（58.5 mL H₂/g COD）。修正Gompertz模型拟合结果显示DT3具备最大产氢潜力（85.7 mL/g COD）和最短迟滞期（5.4天），所有处理组R²介于0.996–0.998，模型拟合度高。产氢性能的提升与预处理增强的有机物增溶密切相关。

#### 4.6 人工智能辅助产氢预测与排序

由于76个观测值仅来自四条处理轨迹，研究采用分组感知验证以避免伪重复导致的数据泄漏。普通五折交叉验证下人工神经网络R²高达0.997，但该值因同一轨迹相邻天数在训练集和测试集间共享而被高估。在留一处理组交叉验证下精度显著下降，反映模型对未见预处理条件的外推困难。分块时间划分（以第13天为界训练前段预测后段）下，梯度提升（R² = 0.965）和随机森林（R² = 0.948）表现稳定，人工神经网络R²为0.77。排列重要性分析显示发酵时间是最强预测因子（47.7%），sCOD释放（30.0%）和增溶率（14.8%）是主要底物相关因子，比能量输入仅占7.4%，从数据驱动角度证实增溶是增强产氢的主要驱动力。重构的响应面预测最大值位于DT3对应的高增溶区域（约83 mL/g COD），与实测值（82.96 mL/g COD）高度吻合。

#### 4.7 细菌群落组成分析

16S rRNA基因扩增子测序表明所有样本中厚壁菌门（Firmicutes）占绝对优势（89.44–97.58%）。纲水平上梭菌纲（Clostridia）占据主要份额。属水平上主要由Romboutsia、Clostridium sensu stricto 1、Turicibacter和Paeniclostridium构成，合计占总细菌丰度69%以上。Clostridium sensu stricto 1（包括Clostridium butyricum和C. beijerinckii等产氢菌种）和Romboutsia相对丰度各达20–25%。优势菌群源自经热预处理的骆驼粪接种物而非藻体自身附生微生物。对照与各预处理组间优势类群相对丰度无显著差异，表明不同预处理策略未实质性改变核心菌群结构。DT3的高产氢主要由底物增溶增强所驱动，而非菌群结构变化。机器学习分析进一步佐证增溶相关参数是产氢的关键预测因子。

### 五、讨论与结论

研究表明集成热-分散器-生物表面活性剂预处理可在显著降低比能量需求的同时实现U. reticulata生物质的强化增溶和生物制氢。最优条件（80 °C、8000 rpm、0.01 g/g TS鼠李糖脂、20分钟）下增溶率达26%，产氢量达83 mL H₂/g COD，较对照组提高约4.6倍。骆驼粪被证实为有效的暗发酵接种物来源，发酵过程中富集了产氢相关的Firmicutes类群。人工神经网络模型在无泄漏验证方案下再现了产氢趋势，模型对预处理策略的排序与实验结果一致，并识别出发酵时间和生物质增溶率为主要预测因子。该研究同时指出，当前对比尚不构成对整体工艺能量效率的完整评估，未来需进行综合能量平衡和技术经济分析以考察系统的实际可行性与经济可持续性。此外，缺乏仅添加鼠李糖脂的对照组使残留生物表面活性剂对发酵过程的直接效应难以与底物可及性改善的间接效应明确区分，后续研究应补充该对照。总体而言，集成预处理策略结合人工智能辅助预测为改善大型藻类生物制氢提供了一条有前景的途径，可为未来工艺优化和规模化提供支持。