在full-scale市政污水处理厂中，通过对操作参数进行无监督和有监督的机器学习建模，丰富了厌氧氨氧化（anammox）微生物群落

高效脱氮技术在市政污水处理厂中的应用研究通过整合无监督与监督机器学习模型，系统分析了厌氧氨氧化（anammox）过程、微生物群落动态及工艺优化。研究发现三个anammox微生物群落，利用可解释AI技术识别出关键操作参数，并首次鉴定出亲缘关系小于97%的未知anammox菌种。研究证实载体生物膜技术能有效提升传统A2O工艺中anammox菌群丰度，为开发节能型脱氮系统提供新思路。

　　

Oh Seungdae | Jonathan Wijaya

韩国永仁庆熙大学工程学院土木工程系

摘要

在市政污水处理厂（WWTPs）中高效去除氮是防止富营养化的重要措施，但由于复杂的微生物相互作用和运营条件的变化，这一目标仍然具有挑战性。本研究结合了无监督和有监督的机器学习（ML）建模方法，来研究厌氧氨氧化（anammox）过程、微生物群落动态以及工艺优化。无监督ML建模识别出三个反映现场环境和运营条件的anammox微生物组群。随后，通过带有可解释人工智能（XAI）分析的有监督ML模型，确定了能够选择性促进anammox菌株富集的关键运营参数，从而为提高处理效率提供了数据驱动的指导。研究还发现了之前未被描述的anammox菌株（即16S rRNA与已知anammox细菌的同一性超过97%且具有anammox代谢基因（hzsA）特征的菌株），这表明在这些系统中的微生物多样性比之前认识到的要高。这些发现对于开发可扩展且节能的废水处理策略具有重要意义。通过将先进的计算方法与传统微生物评估相结合，本研究提出了一种优化WWTPs中氮去除效果的稳健方法论框架。ML辅助的微生物生态学研究结果为未来的改进和WWTPs的潜在改造提供了有用的依据。

引言

污水处理厂（WWTPs）的一个重要作用是从进水有效去除氮，以减轻由于营养物质过量排放到水体中导致的富营养化。传统的硝化-反硝化过程在WWTPs中得到广泛应用，其中氨在有氧条件下被自养硝化菌氧化为硝酸盐，随后在缺氧区域通过异养反硝化作用转化为氮气。尽管这些方法有效，但它们能耗较高（占污水处理厂能源使用的60%左右），并且通常依赖额外的碳源，从而增加了运营成本[1]。厌氧氨氧化（anammox）是一种替代方案，它能够在缺氧条件下直接将铵和亚硝酸盐转化为氮气，几乎不需要额外的能量输入或外部碳源。因此，与传统方法相比，anammox系统可以减少60-90%的能源需求和总体运营成本，同时还能降低温室气体排放[2],[3]。

将anammox工艺整合到现有系统中需要对其生态和运营动态有深入的理解。anammox过程由一群具有独特生理和代谢特征的Planctomycetota细菌介导。从系统发育学角度来看，anammox细菌属于Candidatus Brocadia、Candidatus Kuenenia和Candidatus Scalindua等属，其中Candidatus Scalindua主要存在于海洋环境中，而Candidatus Brocadia则多见于淡水环境[4]。这些细菌具有高度特化的代谢途径，利用肼作为中间体将铵和亚硝酸盐转化为氮气，并通过膜结合的细胞器anammoxosome产生能量。anammox微生物群落具有高度多样性且生态适应性强，在不同实验条件下，其丰度范围从传统WWTPs的1%到专用厌氧生物反应器的13%不等[5]。然而，这些发现主要来自对分离物种、实验室规模富集实验或专用全规模系统的研究，关于这些发现如何应用于传统WWTPs的知识仍然有限。因此，了解这些细菌在这些系统中的生态特性及其与其他微生物群的相互作用非常重要。

在传统的全规模WWTPs中可以检测到anammox细菌，但其丰度通常较低，占总微生物群的不到1%[5]。这种低丰度主要是由于传统WWTPs的运营条件所致，这些条件下的溶解氧浓度较高（>0.5 mg/L）和亚硝酸盐供应不足，有利于硝化菌和反硝化菌的生长而非anammox细菌[1]。最近的研究表明，引入移动床生物膜反应器或固定生物膜系统等载体可以创造有利于anammox生长的局部微环境。例如，在一些改造后的WWTPs中，基于生物膜的系统可使anammox细菌的相对丰度增加20%[6]。这些方法很重要，因为增加传统WWTPs中的anammox菌群可以减少能源消耗并降低温室气体排放。尽管取得了这些进展，但仍存在许多知识空白，例如不同运营条件下anammox群落及其演替机制、专用anammox系统中的优势物种以及anammox细菌与硝化菌的相互作用方式等。解决这些问题对于优化anammox在传统系统中的整合至关重要。

基于此，本研究旨在填补有关传统WWTPs中anammox细菌多样性、群落组成和生态相互作用的关键知识空白。研究从采用海绵载体的全规模市政WWTP收集了微生物组样本，以增强微生物活性。经过一年的全面监测，通过高通量测序（HTS）结合生物信息学分析来确定微生物群落的组成和动态。与以往假设因素间简单线性关系或依赖假设驱动的统计模型（具有任意阈值）的研究不同，本研究采用了数据驱动的无监督机器学习（ML）建模框架。通过整合多维环境和运营数据，ML方法量化了影响anammox群落现场组装和演替的复杂非线性相互作用。这种基于ML的方法论相比传统方法具有优势，因为它能够预测影响anammox微生物组的因素，并量化它们与其他功能群（如硝化菌）的生态作用和相互作用。这一创新的建模方法为理解工程生物系统的功能稳定性和性能提供了有力工具，对优化氮去除效果具有广泛意义。这些发现不仅有助于基础微生物生态学研究，也有助于实际改进节能、可持续的废水处理工艺，为anammox在传统系统中的更广泛应用奠定了基础。

全规模WWTP中的采样和水质测量

本研究调查了位于韩国京畿省的一个全规模WWTP。该系统的处理流程如图1a所示。该WWTP采用标准的A2O生物处理系统，包括厌氧池、缺氧池和好氧池，好氧池中使用了填充比为10-15%的海绵载体（v/v）。海绵载体表面附着有生物膜，其详细规格已在先前研究中描述过[7]。

含有生物载体的全规模WWTP中anammox微生物组的存在和多样性

本研究调查了一个仅处理生活污水（不含雨水）的全规模市政WWTP，日处理能力为8280立方米（图1a）。处理流程包括一级沉淀池、三级A2O生物反应器和二级沉淀池。生物反应器的好氧池中使用了悬浮生物载体，填充比为10-15%（v/v）。研究期间的运营性能总结在表格中。

生物载体在传统WWTP中的潜在作用

anammox工艺作为一种替代传统硝化-反硝化系统的方法，因其卓越的能源效率、较低的化学需求和更低的运营成本而受到关注。传统BNR过程需要大量曝气（每千克氮去除量需约5-15千瓦时的能量），而anammox过程仅需0.5-1.5千瓦时的能量，从而节省了近90%的能源[2]。

结论

• •
  高通量测序和生物信息学分析（系统发育、丰度分析和α多样性分析）显示，在传统A2O WWTP系统的生物载体中存在多样化的、分层的anammox微生物组。该微生物组包括已知的（Ca. Brocadia spp.）物种以及之前未被描述的物种类型，包括核心成员和短暂存在的成员。
• •
  无监督和有监督ML建模的结合有助于更深入地理解anammox微生物组的组装过程

CRediT作者贡献声明

Seungdae Oh：撰写 – 审稿与编辑、初稿撰写、项目监督、方法论设计、资金获取、概念构思。Jonathan Wijaya：撰写 – 审稿与编辑、数据可视化、验证、数据分析、数据整理。

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

本研究得到了庆熙大学2025年的资助。