编辑推荐：
微藻生物炼制整合绿色溶剂与先进提取技术，通过离子液体、深共熔溶剂及微波超声辅助实现脂类、色素和蛋白质协同回收，结合人工智能与机器学习构建自适应优化和可持续评估体系。
乌达亚库马尔·马尼（Udayakumar Mani）| 哈里什巴布·巴拉拉曼（Harishbabu Balaraman）| 贾甘·萨拉瓦南（Jagan Saravanan）| 森蒂尔库马尔·拉特纳萨米（Senthilkumar Rathnasamy）
绿色分离工程实验室，SASTRA大学（SASTRA Deemed to be University），坦贾武尔（Thanjavur），泰米尔纳德邦（Tamil Nadu），613 401，印度
摘要
向可持续的循环生物经济转型需要综合性的生物精炼厂，以最大化利用整个生物量。本综述提出了一种连贯的运营框架，用于藻类生物精炼厂，克服了传统单一产品提取模式的局限性。现有文献分别研究了绿色溶剂和顺序提取方法，而本研究将它们整合到一个级联架构中，结合了离子液体、深共晶溶剂以及微波、超声波和超临界流体提取等先进技术，以实现脂质、色素和蛋白质的同时回收。一个核心创新点是整合了人工智能（AI）和机器学习（ML），以建立一个适应性强、具有预测能力的生物加工环境。对已发表的用于生物量生产力估算、溶剂设计和过程优化的AI/ML模型进行了批判性评估，同时考虑了多产品级联应用中的限制。引入了基于AI的工作流程，支持智能溶剂选择、实时参数调整以及全面的技术经济和生命周期分析，标志着从以产量为中心的经验方法向数据驱动的零废物增值方法的转变。通过将这些概念整合到一个统一的框架中，该综述为在下一代循环藻类生物经济中实施智能、自主的系统提供了战略蓝图。
引言
现代化和全球化推动了全球对能源和营养品需求的指数级增长[1]，[2]。传统的植物基方法，包括木质纤维素生物燃料和植物衍生的食品产品，越来越无法满足这些需求，这促使人们更加关注藻类生物质作为可持续替代品[3]。藻类具有多个固有优势：生长周期快、营养需求低，并且在广泛的环境条件下具有可再生的生产力[4]。从藻类生物质中提取的能量被认为是碳中性的，因为光合作用将大气中的二氧化碳固定为有价值的代谢物，有助于碳循环并减少衍生产品的净碳足迹[5]，[6]。尽管这些优势已被广泛认可，但尚未建立起一种能够同时回收与能源相关成分和富含营养素成分的统一且可扩展的下游加工策略。
藻类根据物理规模大致分为微藻（微观单细胞生物）和大型藻类（大型多细胞生物）[7]。大型藻类富含碳水化合物（55–60%），被广泛用作健康食品补充剂，而微藻生物质因其含有较高比例的商业重要次级代谢物（如蛋白质（50–60%）和脂质（8–10%）而受到更多研究关注[8]。微藻脂质成分多样，包括二十二碳六烯酸（DHA）等不饱和脂肪酸（作为膳食补充剂具有价值[9]）和甘油三酯等饱和中性脂质（用作生物柴油的原料[10]）。除了脂质外，微藻生物质还是藻胆蛋白的重要来源，藻胆蛋白是一类具有抗氧化、抗炎和抗病毒活性的治疗性蛋白质[11]。微藻还产生多种高价值营养素，包括类胡萝卜素[12]、黄酮类[13]和酚酸[14]，[15]。尽管这些代谢物具有相当大的商业价值，但它们在生物质中的含量很低，因此高效和选择性的回收至关重要。过去二十年里，开发可靠的提取和纯化策略一直是研究的热点[16]，[17]，[18]，[19]。图1总结了藻类生物精炼研究的文献概况。图1(A)显示了2015年至2024年的年度发表趋势（以及2025–2026年的预测），反映了科学产出的持续增长。图1(B)展示了按代谢物类别（脂质、蛋白质、类胡萝卜素和多糖）划分的研究分布，揭示了各领域的相对研究重点。图1(C)展示了关键词共现网络，识别了该领域的主要主题集群，包括生物燃料、生物加工、提取方法和可持续性。
虽然“藻类生物精炼厂”一词涵盖了微藻和大型藻类系统，但本综述主要关注微藻生物精炼平台。这种选择是基于已发表的集成生物精炼研究中微藻物种的主导地位以及它们在工业规模代谢物生产中的重要性。在相关背景下会提到大型藻类系统，但不会进行系统性的综述；如果要全面探讨大型藻类生物精炼厂的具体培养策略、提取挑战和独特的代谢物特征，需要专门的综述。大型藻类生物精炼厂的独特优势、局限性和新兴研究方向将在“未来展望”部分简要讨论。
对该领域近期综述的比较分析揭示了几个持续存在的主题和方法论空白。现有文献倾向于独立研究绿色溶剂系统、先进提取技术和技术经济或生命周期框架，而没有建立它们之间的明确操作联系。此外，人工智能（AI）和机器学习（ML）与可持续性评估框架（特别是技术经济分析（TEA）和生命周期分析（LCA）的整合仍然主要是概念性的，而非操作上定义明确的。本综述通过以下方式解决了这些空白：(i) 对微藻代谢物回收的绿色溶剂系统和提取方法进行批判性综合；(ii) 基于现有过程数据提出一个顺序的多产品生物精炼级联方案；(iii) 明确将AI/ML工具与TEA/LCA框架联系起来，以实现动态的、数据驱动的可持续性评估。
本研究所回顾的文献是通过系统搜索四个电子数据库获得的：Scopus、Web of Science、PubMed和Google Scholar。搜索使用了以下术语的组合：“微藻生物精炼厂”、“藻类提取”、“离子液体”、“深共晶溶剂”、“微波辅助提取”、“超声波辅助提取”、“超临界流体提取”、“技术经济分析”、“生命周期评估”、“机器学习”、“人工智能”、“藻胆蛋白”、“类胡萝卜素”、“脂质提取”和“生物柴油”。搜索范围限于2000年至2026年的出版物；如果方法学上具有重要意义，也会选择性地包括2000年之前的基础研究。纳入的研究需满足以下条件：(i) 报告了微藻代谢物的主要提取或过程数据；(ii) 提出了藻类生物精炼系统的TEA或LCA结果；或(iii) 展示了AI/ML在藻类生物加工或可持续性分析中的应用。如果研究仅关注大型藻类而没有微藻对比数据、仅报告定性评估而没有定量结果，或者未发表在同行评审期刊上，则被排除在外。完整的筛选和选择过程总结在补充图S1（PRISMA风格流程图）中。
尽管对集成藻类生物加工的经济维度关注有限，但一些报告探讨了通过废水生物修复同时生产能源产品和高价值化合物的可能性[20]。基于循环生物经济的策略，包括将处理废水和处理后的生物质残渣回收到跑道池塘培养系统中，也得到了广泛研究[21]。此外，还有研究展示了利用剩余藻类生物质生产肥料、化妆品和动物饲料的价值[22]。然而，实现一个工业上可扩展的、具有顺序下游操作的集成多产品生物精炼厂仍然是一个重大挑战。这一差距促使全球范围内的研究努力寻找克服集成藻类生物精炼厂固有瓶颈的创新策略[23]（图2）。以下部分详细阐述了从微藻生物质中回收代谢物的边界条件和操作参数。
章节摘录
藻类代谢物的探索：下一代增值产品策略
早期研究报道了多种热处理方法，包括水热液化[24]、催化气化[25]、热解[26]和厌氧消化[27]，以利用微藻生物质的能量潜力。虽然这些方法提高了能源相关产品的产量，但会降解高价值的生物活性分子，如藻胆蛋白和类胡萝卜素，而这些成分在营养品市场中占有重要份额。
集成藻类生物精炼中的技术经济分析和生命周期评估
将优化的小规模藻类生物精炼操作成功转化为工业规模需要严格评估经济可行性和环境可持续性。技术经济分析（TEA）通过评估资本和运营支出与产品总市场价值来量化过程经济性，而生命周期分析（LCA）确定整个过程的累积环境影响[143]。一个过程被认为是工业上可行的
人工智能和机器学习在藻类生物精炼设计和优化中的应用
将人工智能（AI）和机器学习（ML）整合到藻类生物精炼框架中，代表了从传统的基于启发式的方法向数据驱动的、预测性和自适应的生物加工系统的转变。传统方法严重依赖于经验优化和试错实验，而AI/ML能够模拟藻类培养、代谢物提取和下游加工中的复杂非线性相互作用与物联网和实时自适应控制的集成
藻类生物精炼的未来在于闭环自适应系统，其中物联网支持的传感器不断向基于云的ML模型提供数据，这些模型自动调整培养和提取参数。新兴框架结合了联合学习（跨多个站点的数据隐私）和模型预测控制（MPC），以在波动的环境条件下保持最佳生产力。可解释的人工智能（XAI）以实现生物过程的透明度
人工智能在工业生物技术中的应用面临的一个主要障碍是其黑箱性质
结论和未来展望
本综述批判性地评估了微藻生物加工的可持续提取方法，重点关注在最大化产量的同时最小化废水和残留物产生的方法。在集成多产品生物精炼设计的背景下，评估了包括离子液体、深共晶溶剂、萜烯和可切换溶剂在内的绿色溶剂系统，以及先进的基于能量的提取技术（微波、超声波、超临界CO?提取）。物理
CRediT作者贡献声明
乌达亚库马尔·马尼（Udayakumar Mani）：撰写——原始草稿，软件开发，调查，正式分析。哈里什巴布·巴拉拉曼（Harishbabu Balaraman）：可视化，项目管理，方法论。贾甘·萨拉瓦南（Jagan Saravanan）：撰写——原始草稿。 森蒂尔库马尔·拉特纳萨米（Senthilkumar Rathnasamy）：撰写——审稿与编辑，撰写——原始草稿，验证，监督，软件开发，资源管理，项目管理，方法论，调查，资金获取，概念化。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
森蒂尔库马尔·拉特纳萨米感谢SASTRA大学通过TRR资助提供的财政支持。所有作者感谢SASTRA大学化学与生物技术学院提供的必要设施和基础设施。
