《Journal of Environmental Chemical Engineering》：Smart Enzyme-MOF Hybrid Membranes for Emerging Pollutant Removal with Enhanced Stability and Antifouling Performance: Experimental Insights and Machine Learning-Driven Performance Prediction
编辑推荐：
生物催化膜系统通过共固定化青霉过氧化酶、ZIF-8材料和ABTS红ox介导，显著提升ibuprofen等新兴污染物的降解效率达93%-98%，水通量恢复比86%，机器学习模型预测性能优异（R2最高0.96），为可持续水处理提供新方案。
作者：Ayat Hassan、Shadi W. Hasan、Khadega A Al-Maqdi、Sulaiman Al-Zuhair
阿联酋大学化学与石油工程系，Al Ain 15551，阿联酋
摘要
本研究开发了一种生物功能膜系统，通过将稻曲霉过氧化物酶（Aspergillus oryzae peroxidase）和ZIF-8固定在聚偏二氟乙烯（PVDF）基质中，并使用ABTS作为氧化还原介质来增强对布洛芬（ibuprofen）的催化氧化作用。这种酶激活的膜（P/ZIF-8/ABTS/PVDF）在初次使用时的布洛芬去除效率达到了80%，并且在多次循环使用后仍保持催化活性。该膜表现出优异的防污染性能，水通量恢复率为86%，并且与原始PVDF和ZIF-8/PVDF膜相比，不可逆污染显著减少。对布洛芬降解产物的分析表明，这些产物主要通过天然酶促途径生成，且毒性低于布洛芬本身。当使用含有多种新兴污染物的合成废水和实际市政废水进行测试时，P@PVDF/ZIF-8/ABTS/H?O?膜也表现出出色的降解效率，大多数污染物的去除率在93%到98%之间。此外，还应用了机器学习模型来预测膜的去除率和通量，模型的R2值分别达到了0.92和0.96，显示出良好的预测性能。这些发现强调了柔性酶激活膜作为废水处理可持续策略的潜力，并为下一代基于膜的净化技术的发展提供了宝贵的见解。
引言
获得清洁和可持续的水资源对地球上的生命至关重要；然而，快速的城市化和全球人口增长给淡水资源带来了前所未有的压力，引发了关于长期水资源安全的严重担忧[1]。同时，药品、家用化学品、农药和工业化合物的广泛使用导致了水体的普遍污染。这些新兴污染物曾经很少被检测到，但现在在河流、湖泊、地下水甚至处理后的废水中频繁出现[2]、[3]。为应对这些挑战，如果能在处理过程中有效去除污染物，水资源的再利用已成为缓解水资源短缺的可持续策略[4]、[5]、[6]、[7]。在这些污染物中，布洛芬是水生系统中检测到的最常见药物残留物之一，其浓度范围从ng/L到μg/L不等。由于其持久性和传统废水处理工艺对其去除效果有限，市政污水处理厂成为环境污染的主要来源[8]、[9]、[10]。鉴于其已知的生态毒性和对人类健康的潜在风险，迫切需要开发有效的布洛芬降解技术[11]。
在过去的几十年里，生物催化膜技术成为废水处理的一种创新且有前景的方法，它结合了选择性分离和催化降解功能来去除药物污染物。生物催化膜具有多个优势，包括高选择性、在温和条件下运行以及潜在的连续运行能力。过氧化物酶（E.C. 1.11.1.7）是一类在动物、植物和微生物中广泛存在的氧化还原酶。大多数过氧化物酶是含有血红素（heme）的蛋白质，以铁（III）原卟啉IX作为辅基，分子量通常在30到150 kDa之间[12]。过氧化物酶可以去除来自石油精炼[13]、树脂和塑料制造[15]、金属表面处理[17]、[18]以及纸浆和造纸工艺[19]、[20]产生的含酚类污染物。然而，基于过氧化物酶的系统的实际应用受到其缓慢的降解速率和有限的催化效率的限制。为了解决这些问题，最近的研究策略集中在将电子穿梭体（特别是氧化还原介质）引入酶系统中。这些低氧化还原电位的分子容易被过氧化物酶氧化，从而促进电子或氢原子的转移，从而增强酶的催化活性并扩大对有机污染物的降解范围[21]。2,2'-偶氮双(3-乙基苯并噻唑-6-磺酸)（ABTS）因其能够快速进行单电子转移反应而得到广泛应用，形成绿色阳离子ABTS
•+。研究表明，ABTS显著提高了辣根过氧化物酶（HRP）和HRP/H?O?系统在降解如双氯芬酸等污染物时的性能[22]。值得注意的是，单独使用HRP时，废水中四环素的转化率低于5%，而加入ABTS后，去除效率提高到95%以上，这突显了氧化还原介质在增强酶催化作用中的重要作用[23]。尽管如此，游离的过氧化物酶和介质仍存在一些局限性，包括成本较高、从水系统中回收困难以及在pH值和温度变化条件下容易失活。虽然将酶共固定在不溶性载体上可以提高稳定性并防止渗漏，但大多数已知系统仅关注纯酶膜或MOF支持的酶，缺乏集成的介质。此外，基于介质的系统通常在批次实验中研究，其中介质的损失、长期稳定性差以及电子转移效率的控制不足等问题尚未得到解决。因此，目前的研究缺乏能够稳定连续运行的完全集成的酶-介质-MOF膜平台。有报道称，在过氧化氢存在下，使用共固定的HRP-丁香醛系统可以在25至500 mg/L的浓度范围内实现吲哚的完全降解[21]。该共固定催化剂在四次重复使用后仍保持91.8%的降解效率，显示出高操作稳定性。类似地，基于MOF的膜（UiO-66(Zr)-NH?在PET上）用于共固定漆酶和ABTS，显著提高了染料的去除效率（例如，结晶紫的去除率从8.6%提高到58.8%），改善了pH耐受性，并实现了酶和介质的同时重复使用[24]。载体材料参数主要影响固定酶的性能[25]。金属有机框架（MOFs）如ZIF-8因其高孔隙率、大表面积和结构可调性而具有吸引力。特别是ZIF-8结合了传统沸石的热稳定性和化学稳定性以及MOFs的可配置孔径结构。这些特性使得可以使用MOFs作为牺牲模板来固定酶并定制混合材料结构[26]、[27]。例如，通过在改性的超滤膜上原位生物矿化辣根过氧化物酶（HRP）开发了一种生物催化膜[28]。该系统实现了98%的双酚A（BPA）去除率，水渗透率为33.32 L/m2·h·bar。为了促进MOF的成核，在膜表面引入了盐酸多巴胺和聚乙烯亚胺，形成了一层仿生中间层。同样，通过在PET纤维上生长UiO-66(Zr)-NH?来共固定漆酶和氧化还原介质ABTS，也开发了一种基于MOF的膜，24小时内实现了58.8%的结晶紫去除率[24]。
机器学习（ML）是一种强大的数据驱动建模方法，可以从数据集中识别模式，而无需预先了解系统结构。传统的膜开发受到结构-性质关系定义不明确、依赖试错实验以及传统回归或机理模型无法捕捉控制性能的高度非线性多变量相互作用的限制。机器学习（ML）通过系统分析复杂的实验数据集并可靠地预测性能，解决了这些限制。除了提高预测能力外，ML还能识别关键变量及其相互作用，提供使用传统回归或动力学模型难以获得的见解。与参数模型不同，ML是非参数的，不假设特定的数据分布或线性关系[29]。这种灵活性使得ML特别适合在多种操作条件下预测关键膜性能指标，如污染物去除率和渗透通量[30]。
本研究旨在通过在一个单一的酶激活膜平台上整合催化降解功能，克服传统基于膜的废水处理的局限性。大多数先前的研究集中在仅含酶的膜或基于MOF的膜上，而基于介质的系统大多局限于批次反应器中，其中介质的渗漏和长期稳定性问题仍未解决。为了解决这一关键问题，研究人员在ZIF-8中共固定了真菌过氧化物酶和氧化还原介质ABTS，并将其整合到PVDF载体上，开发了一种先进的复合膜。这种集成的酶/介质/MOF配置增强了介质的保留能力，提高了酶/介质的电子转移效率，并在重复和连续操作下保持了催化活性和稳定性。此外，还评估了降解产物和出水毒性，以验证环境安全性，并使用实际废水矩阵评估了膜的稳定性，以确认其在实际条件下的可靠性。同时，应用机器学习模型预测了污染物去除率和渗透通量作为进料浓度和操作压力的函数，实现了数据驱动的优化和控制策略。这种结合实验和预测的方法为酶/介质/MOF膜系统提供了机制上的见解，并展示了通往耐用、高性能催化膜的发展路径。
材料
稻曲霉过氧化物酶由丹麦诺维信公司提供。六水合硝酸锌（Zn(NO?)?·6H?O）、2-甲基咪唑（C?H?N?）、乙腈、氯乙酸、过氧化氢（H?O?）、2,2-偶氮双(3-乙基苯并噻唑-6-磺酸）（ABTS）、布洛芬（IBU）、咖啡酸（CA）、2-巯基苯并噻唑（MBT）、对乙酰氨基酚（PCM）、水杨酸（SA）、磺胺甲噁唑（SMX）和甲基对羟基苯甲酸酯（MP）均从Sigma Aldrich（美国圣路易斯）购买，纯度为99%。
膜表征
通过XRD分析比较了含有和不含ABTS的ZIF-8封装过氧化物酶的晶体结构，如图2(a)所示。XRD图谱证实ZIF-8是所有样品中的主要晶体相，其特征衍射峰证明了这一点。P@PVDF/ZIF-8样品的衍射图谱与纯ZIF-8的参考图谱非常吻合[39]、[40]、[41]，表明过氧化物酶的加入并未影响ZIF-8的晶体结构
结论
本研究开发了一种混合生物活性PVDF膜，其中共固定了稻曲霉过氧化物酶和ZIF-8，并使用ABTS作为氧化还原介质，填补了文献中的关键空白。结果在介质辅助的生物活性膜方面取得了明显进展，结合了改进的催化性能、操作稳定性和抗污染能力。机器学习被用作辅助工具，系统地分析多变量实验数据，识别关键操作参数
资助
作者衷心感谢研究生院提供的财务支持（基金编号131031）。
CRediT作者贡献声明
Sulaiman Al-Zuhair：撰写 – 审稿与编辑、验证、监督、项目管理、方法论、研究、资金获取、正式分析、数据管理、概念构思。Hasan Shadi：撰写 – 审稿与编辑、验证、监督、研究、正式分析、数据管理、概念构思。Al-Maqdi Khadega：验证、方法论、数据管理。Ayat Hassan：撰写 – 原初草稿、可视化、方法论、研究、正式分析、数据管理。
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所述的工作。
致谢
作者衷心感谢Iltaf Shah教授、Mohamed Shafi Kuttiyathil博士、Labeeb Ali博士和Mohammednoor Altarawneh教授在分析过程中提供的宝贵支持和帮助。
