综述:光质对微藻生长和代谢物积累的调控:光生理学、分子机制与机器学习洞察

《Aquaculture》:Light quality regulation of microalgal growth and metabolite accumulation: Photophysiology, molecular mechanisms, and machine learning insights

【字体: 大 中 小 】 时间:2026年09月20日 来源:Aquaculture 4.4

编辑推荐:

   - 特定光质可促进生物量及代谢物积累。 - 光质可干扰碳分配模式,其中红光和蓝光最为有效。 - 光质具有精准调控微藻基因表达的潜力。 - 机器学习可辅助筛选光质优化策略及关键基因表达。 ## 引言 微藻是一类光自养微生物,具有资源丰富、光合效率高、生长速率快、环境适应性强

  

- 特定光质可促进生物量及代谢物积累。
- 光质可干扰碳分配模式,其中红光和蓝光最为有效。
- 光质具有精准调控微藻基因表达的潜力。
- 机器学习可辅助筛选光质优化策略及关键基因表达。

## 引言

微藻是一类光自养微生物,具有资源丰富、光合效率高、生长速率快、环境适应性强以及可规模化培养等特点。其生物量可在短时间内翻倍,增长率最高可达陆生植物的100倍(Tredici, 2010),这在很大程度上归功于其高效的光合作用固定能力。微藻的二氧化碳利用率比陆生植物高出10至50倍。它们通过固封大气中的二氧化碳参与生态系统功能运行,贡献了全球大气氧气产量的约40%–50%,并展现出在环境修复和碳中和方面的重要潜力(Kong等, 2021;Shuba和Kifle, 2018;Udayan等, 2023)。

微藻细胞可积累多种高价值生物活性化合物,如脂质、蛋白质、多糖、色素和多不饱和脂肪酸。这些代谢物在生物柴油生产、食品、饲料、化妆品和药品领域具有广泛应用(图1)(Balasubramaniam等, 2021;Dolganyuk等, 2020;Khan等, 2018)。目前,微藻生物活性化合物的商业化生产已在多个领域取得进展,包括雨生红球藻中的虾青素(Borowiak等, 2021;Zhang等, 2020;Zhang等, 2022b)、盐藻中的β-胡萝卜素(Borowitzka, 1992;Borowitzka等, 1990;Mohebi Najafabadi和Naeimpoor, 2023)、小绿藻中的神经酸(Fan等, 2018;Xu等, 2018;Yuan等, 2018)、莱茵藻属中的二十碳五烯酸(EPA)(Koh等, 2024)、螺旋藻属中的β-葡聚糖(Arenas Colarte等, 2025)以及裸藻属中的多糖或藻胆蛋白(Ji等, 2025)。

微藻也被视为潜在的生物质燃料原料,能够替代化石能源并为应对气候变化作出贡献。此外,微藻在畜牧业中具有多重应用价值,包括用作饲料、色素、活饵、鱼粉和鱼油的替代来源、生物制品,以及通过去除氮磷化合物改善水质(Ma和Hu, 2023;Teronpi等, 2025)。微藻产生的这些生物活性化合物在畜牧业中也发挥着重要作用。例如,EPA可满足虾类和海洋鱼类幼虫细胞膜结构和功能发育的需求(de Moraes等, 2022)。虾青素可增强鲑形目鱼类和甲壳类的抗氧化能力,并改善其体色(Daly等, 2013)。

根据全球市场预测(Global Microalgae Market, 2022. https://www.databridgemarketresearch.com/zh/reports/global-microalgae-market.(访问日期:2022年11月)),微藻市场在2023–2030年间的复合年增长率可达6.4%,预计到2030年市场价值将达到13.95亿美元。这些特性使微藻成为生物量生产和代谢物合成的重要生物平台,从而在优化微藻生长和代谢性能方面吸引了越来越多的研究关注。

## 影响微藻代谢物积累的各环境因素

在影响微藻代谢物积累的各种环境因素中,包括温度、pH值、营养浓度和盐度等,光是光合作用的关键因素。光强、光质和光照时间直接影响光合作用,进而影响生物量的生产。作为光自养生长的必要前提,光不仅是光合作用的能量来源,还作为调控信号调节关键代谢通路。这种双重功能使光既能影响培养效率,也能实现代谢物的定向积累(Ievina和Romagnoli, 2025)。值得注意的是,光质已被证实是光合效率和生化组成的重要决定因素。适当的光谱条件可促进细胞生长,调节代谢活性,并增强脂质和碳水化合物等产物的合成(Gao等, 2021;Zhang等, 2021)。不同微藻物种对光质表现出物种特异性的响应,每个菌株都有其最优光谱特征(Wágner等, 2018)。

然而,光质调控是一个紧密耦联的级联反应链。微藻具有完整的光信号感知与转导分子机制,该机制由三个功能紧密耦联的组成部分构成:光捕获(色素)、信号感知(光受体)和信号转导(光合电子传递链,PETC)(图2)。此外,还包括光的物理传输过程(光从入射面进入微藻悬浮液后,经历吸收、散射和衰减)以及自遮荫效应。这些因素共同构成了光质调控的完整运作原理。缺少对这些组分及其相互联系的分析将导致认知缺口,这也是在讨论不同光质对微藻生长和代谢影响之前必须明确的前提。

目前,光质研究越来越多地与微藻研究相结合。与自然光相比,人工光源能够更好地调控光波长、光强、光周期等参数。发光效率(%)是光源产生的可见光或光通量的关键指标。钨丝白炽灯、卤素白炽灯和荧光灯的发光效率仅为3%–15%,而LED的发光效率接近50%(Mahari等, 2024)。LED由半导体化合物制成,半导体材料的类型和数量决定了发射光的波长和颜色。此外,LED灯具具有更高的能源效率和更长的使用寿命,且整体成本低于其他人工光源。LED灯具的持续进步极大地激发了利用光质影响微藻产量和生化组成的研究兴趣(Mahari等, 2024)。基于红、蓝和绿量子点(QDs)的波长转换材料已被开发出来,通过光谱调控提高微藻生产力。量子点是具有尺寸可调发射带、高荧光量子产率和强光稳定性的半导体纳米晶体。使用红色量子点时,小绿藻属的菌株生长量增加了11.2%,脂质含量增加了9.5%,二十碳五烯酸(EPA)滴度提高了15.5%。同样地,三角褐指藻的生物量增加了8.6%,三酰甘油(TAG)积累量增强了35.0%(Zhang等, 2024a)。Borowiak等(2021)证明,光生物反应器(PBRs)可以精准调控红、蓝和白LED光的比例,从而影响雨生红球藻的生长和虾青素的积累。基于光谱调控的可调光照系统的发展是推动特定微藻代谢物积累的重要方向。

尽管已有部分研究探讨了微藻培养与光质之间的关系,但我们对光谱变异如何影响微藻生理反应的理解仍然有限。特别是,虽然生物量生产和代谢物积累受到了较大关注,但控制这些过程的调控机制仍未得到充分阐明。本综述系统地梳理了从初始光质输入到最终代谢输出的完整因果链,涵盖了光质如何影响微藻生长、代谢物积累、光合生理和基因水平响应,并在未来展望中提出了机器学习在优化培养条件中的潜在应用,从而为基于光质的微藻应用进一步发展提供支持。

## 章节摘要

### 光谱特征与光合色素

光为光自养生物的生长和代谢提供了所需的能量。如我们所常见的,阳光是多色的。当阳光通过色散系统并被分解为其组成波长时,按波长或频率排列形成的序列称为光谱。根据波长范围,光谱主要分为紫外光谱(100–380 nm)、可见光谱(380–740 nm)和红外光谱。

### 光质对微藻生物量的影响

提高微藻生物量是微藻研究领域最基本也是最关键的目标。脂质、碳水化合物、类胡萝卜素和蛋白质等目标产物的产量取决于所达到的生物量水平。微藻生物量及其代谢物既可用作鱼类饲料,也可作为处理水生环境的可持续生物修复手段。目前,研究已采用光质调控策略来提高微藻产量。

### 光质对微藻代谢物积累的影响

光质是调控光合作用的关键环境信号,直接调节微藻碳代谢通路的流向,是高效积累脂质和蛋白质等目标产物的低成本调控策略。不同的光谱条件可以精准调控光合效率和代谢通路的转变,从而促进特定生化产物的定向富集。

### 不同光质下微藻的潜在基因分析

光质作为一种环境调控信号,能够调节与能量和物质代谢相关基因的表达,从而诱导初级和次级代谢物合成的变化。然而,分子水平的研究仍然有限,这些响应背后的遗传调控机制尚未被完全阐明。Valle聚焦于与光合作用相关的核基因(PhANGs)和部分光受体相关基因。

### 光质对微藻生长和代谢影响的理论模型与机器学习模型

为引导未来对微藻光质调控的研究,本综述对过去十年Web of Science核心合集收录的出版物进行了文献计量分析(图8),使用的软件为VOSviewer_1.6.20。在Web of Science核心合集中,以"Light quality and Microalgae"为检索查询条件进行了主题检索,涵盖2015年至2026年的发表期间。文献类型限定为"Full Record and"。

### 微藻光质研究中的挑战与潜在解决方案

在微藻研究中应用光质调控面临若干挑战,同时也存在潜在的解决方案。

**1)光谱区间与精准量化。** 对光谱的理解源于可见光色散的发现。然而,早期研究缺乏对光谱区间的明确定义或波长的定量概念。夫琅禾费是第一个定量确定可见光中每种颜色对应波长的人。

## 结论与未来展望

本综述全面概述了微藻色素和光受体所吸收和利用的光的光谱特征、不同光质对应的波长范围,以及考察光质对微藻系统影响的功能研究。综述进一步评估了光质变异如何影响微藻生长和目标产物积累,以及光质介导的分子机制。

## CRediT作者贡献声明

Li Delong:撰写——初稿,数据整理。Li Yongfu:撰写——审阅与编辑,获取研究资金,数据整理,概念设计。Li Ruiqian:获取研究资金。Che Xingkai:撰写——审阅与编辑。Wang Lu:撰写——审阅与编辑,方法论。Zhang Aijun:撰写——审阅与编辑。Liu Jun:监督,资源提供。Ma Dongdong:获取研究资金。

## 利益冲突声明

作者声明不存在已知的可能影响本文所报告工作的财务利益关系或个人关系。

## 致谢

本研究得到国家自然科学基金(编号:42576109)和中国全球环境基金小额赠款计划(CPR/DLF/IW/2023/03)的支持。

Li Delong | Li Yongfu | Li Ruiqian | Che Xingkai | Wang Lu | Zhang Aijun | Liu Jun | Ma Dongdong
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号