利用啤酒厂废弃谷物实现有机染料在水中的可持续吸附：动力学、计算和平衡研究

《Surfaces and Interfaces》：Sustainable Adsorption of Organic Dyes from Water using Brewery Spent Grain: Kinetic, Computational and Equilibrium Studies

　　伦尼尔森·尤斯塔基奥·德·索萨·朱尼尔（Lenilson Eustaquio de Souza Junior）、艾伦·德·奥利维拉·加斯帕罗尼·平托（Allan de Oliveira Gasparoni Pinto）、加布里埃尔·费尔南德斯·索萨·多斯·桑托斯（Gabriel Fernandes Souza dos Santos）、阿拉塞利·维罗尼卡·弗洛雷斯·纳尔迪·里贝罗（Araceli Veronica Flores Nardy Ribeiro）、安德烈·罗梅罗·达·席尔瓦（Andre Romero da Silva）、朱利阿诺·索萨·里贝罗（Juliano Souza Ribeiro）、贾伊罗·平托·德·奥利维拉（Jairo Pinto de Oliveira）、弗拉维奥·库尼亚·蒙特罗（Flavio Cunha Monteiro）、塔德乌·埃里顿·卡利曼·扎纳尔多（Tadeu Eriton Caliman Zanardo）、罗莎·费雷拉·维埃拉（Rosa Ferreira Vieira）、纳特西亚·卡瓦尔哈尔·阿尔维斯（Natercia Carvalhal Alves）、乔塞利托·纳尔迪·里贝罗（Joselito Nardy Ribeiro）

**巴西圣埃斯皮里图联邦学院，维拉维拉校区**
地址：Ministro Salgado Filho大道1000号，维拉维拉-ES，29106-010

**摘要**
从水中去除合成染料需要使用吸附剂，其性能取决于明确的表面相互作用机制，而不仅仅是吸附能力。本研究调查了啤酒厂废糟（BSG）这种丰富的木质纤维素农业工业废弃物，作为选择性去除阳离子藏红花红T（Safranin T，ST）和阴离子刚果红（Congo Red，CR）的可持续生物吸附剂。表面表征显示其具有多孔形态和负表面电荷（ζ = ?17.9 mV，在pH 6.8时），表明其表面环境能够实现基于电荷的选择性吸附。吸附平衡符合弗伦德利希模型（Freundlich model），这与异质表面行为一致。最大吸附容量分别为ST 30.62 mg g?1和CR 1.36 mg g?1，显示出对阳离子染料的强选择性。根据IUPAC建议使用无量纲平衡常数进行的热力学分析证实了两种染料的自发吸附，并且它们的能量行为不同。密度泛函理论（Density Functional Theory，DFT）计算和静电势图谱提供了分子层面的见解，表明ST的吸附主要受静电吸引作用控制，而CR的吸附则受到表面排斥作用以及局部π–π和氢键相互作用的影响。通过将实验吸附研究与电子结构分析相结合，本研究加深了对控制染料-生物吸附剂相互作用的界面现象的理解，并强调了表面电荷和分子电子性质在吸附选择性中的作用。尽管未涉及再生和表面面积分析，但结果证明了经过最小处理的BSG作为低成本且机制明确的吸附剂在废水处理应用中的潜力。

**1. 引言**
染料是广泛用于为各种材料添加颜色的化合物。它们通过与表面或基底的相互作用实现这一功能，这种相互作用的性质取决于染料的分子结构[1]。染料在工业中的应用非常广泛，包括皮革鞣制[2]、造纸[3]、纺织业[4]、食品工业[5]，甚至地下水追踪[6]等领域。尽管染料具有技术重要性，但它们也与负面环境影响相关。由于染料具有复杂的、稳定的且通常是芳香性的化学结构，许多这类化合物难以被生物降解，因此被认为是持久性有机污染物。例如刚果红（CR）[7]和藏红花红T（ST）[7,8]已被证实对人类健康有多种不良影响。全球每年染料的消耗量估计为700万吨[9]，这增加了环境释放和污染的风险。因此，专注于从水中去除这些污染物的研究至关重要。
在可用的染料去除技术中，吸附技术因其高效率、操作简便性、广泛可用性和相对较低的成本而脱颖而出。该技术已被广泛用于去除有机污染物，特别是通过使用来自农业工业废弃物的天然和低成本吸附剂[[10], [11], [12], [13], [14]]。妥善管理农业工业废物对于实现可持续发展至关重要。在这种情况下，吸附过程作为一种有前景且环保的方法，可用于重新利用这些废物。例如，甘蔗渣已被评估用于搅拌系统和玻璃柱中的CR去除[12]；香蕉皮也被成功应用于处理含有亚甲蓝（Methylene Blue）的废水[13]；而啤酒厂废物被证明能有效去除大量靛蓝（Indigo Blue）[14]。
巴西的啤酒工业是世界上第三大啤酒生产国，每年产生大量废物。啤酒厂废糟（BSG）是主要的副产品，占啤酒生产过程中产生的总固体废物的约80%。这种废物产量巨大，其有效管理是一个研究和创新的重点。BSG富含蛋白质和纤维，为行业的可持续发展提供了多种再利用机会，主要用途包括：a) 动物饲料；b) 用于人类消费的食品（如面包、饼干、谷物棒和意大利面）以增加纤维和营养价值；c) 能源生产；d) 处理含有化学污染物的水[[14], [15], [16]]。
本研究调查了来自啤酒生产实验室的BSG作为可持续木质纤维素生物吸附剂，用于去除两种具有不同离子特性的模型染料：ST（阳离子）和CR（阴离子）。有意选择带有相反电荷的染料，可以直接评估电荷依赖的吸附选择性，特别是在木质纤维素材料在接近中性pH值时通常表现出的负表面电荷背景下。通过扫描电子显微镜（SEM）、Zeta电位分析（zeta potential analysis）和傅里叶变换红外光谱（Fourier Transform Infrared Spectroscopy，FTIR）对BSG的表面和结构特性进行了表征，以确定界面相互作用的物理化学基础。通过控制操作参数系统地研究了吸附行为，并结合热力学分析对吸附容量和能量优势进行了量化。此外，还进行了密度泛函理论（DFT）计算和静电势图谱分析，以提供分子层面的染料-表面相互作用见解，建立了实验-计算综合框架，以阐明控制木质纤维素材料吸附选择性的机制。

**2. 材料与方法**
2.1. 材料
BSG来自巴西圣埃斯皮里图联邦学院（维拉维拉-ES）一个教学实验室用于啤酒生产的大麦颗粒。ST和CR染料购自NEON Química（巴西苏扎诺，SP）。
为了均匀化BSG样品，使用了METVISA LQL10220M60N5食品加工机（IMG Brasil，巴西布鲁斯克，SC）。样品干燥在Q-317B实验室烤箱（QUIMIS，巴西圣保罗，SP）中进行。颗粒分级使用Granutest筛网（BERTEL，巴西凯艾拉斯，SP）完成。颗粒大小分布由Microtrac Zetatrac NPA152分析仪测定。质量测量使用SHIMADZU AY 220分析天平（日本京都）进行，样品涂层使用SHIMADZU IC-50离子涂层仪（日本京都）完成。
形态表征使用SHIMADZU SSX 550扫描电子显微镜进行。化学结构分析通过傅里叶变换红外光谱（FTIR）使用Cary 630光谱仪（美国加州圣克拉拉）完成，吸光度测量使用KASUAKI IL-592 UV–Vis光谱仪完成。样品制备使用了Warmnest磁力搅拌器和EVLAB EV206微量离心机（巴西朗德里纳，PR）。数据处理和统计分析使用Origin 6.1软件（OriginLab Corporation，美国北安普顿，MA）完成。

2.2. 方法
2.2.1. BSG制备
BSG储存在密封塑料容器中，置于4°C。储存60天后，在实验室烤箱中于70°C下干燥72小时（图S1）。随后，将干燥的BSG在工业搅拌机中研磨并通过不同尺寸的筛网筛选，得到小于0.425毫米和1.19–2.38毫米范围内的颗粒（图S2）。

2.2.2. ST和CR的吸光度谱
制备了含有15.0 mg L?1 ST和13.0 mg L?1 CR的液态溶液（10.0 mL），分别分析其吸光度谱（图S3），以确定每种染料的最大吸光度波长（λmax），从而用于吸附过程的优化。

2.2.3. BSG颗粒大小对染料吸附百分比的影响
含有6.0 mg L?1 ST或16 mg L?1 CR的水溶液（pH 6.8；T = 298.15 K）与步骤2.2.1中获得的BSG颗粒混合。悬浮液以500 rpm的速度搅拌5分钟。然后让混合物静置10分钟以便分离BSG。分离后，将4.0 mL样品以13000 rpm的速度离心3分钟。上清液使用UV–Vis光谱仪在500 nm（CR）和519 nm（ST）处进行分析。使用标准校准曲线确定上清液中的残余染料浓度。
不同BSG颗粒大小的染料吸附百分比（%AD）使用公式（1）计算：
(1) %AD = (C? ? CS) / C? × 100
其中C?是初始染料浓度，CS是13000 rpm离心后的上清液中的染料浓度。

2.2.4. 通过FTIR-ATR对BSG样品进行光谱表征
BSG样品直接放置在傅里叶变换红外光谱仪（FTIR spectrometer）的单次反射衰减全反射（ATR）附件表面上。分析在4000 cm?1至650 cm?1的波长范围内进行，分辨率为4 cm?1，通过将材料压在金刚石晶体界面上实现。光谱在室温下获得，并使用64次扫描的干涉图谱以提高信噪比。

2.2.5. 通过SEM对BSG样品进行形态分析
使用扫描电子显微镜（SEM）评估BSG样品的形态。分析前，使用溅射涂层仪（SHIMADZU IC-50 Ion Coater）在样品表面涂覆一层薄金层以提高表面导电性。涂层后的样品安装在碳基底上，并使用SHIMADZU SSX 550扫描电子显微镜在20 kV的加速电压下进行分析。

2.2.6. BSG的Zeta电位
使用Microtrac Zetatrac NPA152颗粒分析仪测量BSG的Zeta电位。为此，将含有BSG粉末的水悬浮液（2.0 mL；pH 6.8）加入特氟龙比色皿中，比色皿内有一对用于测量Zeta电位的钯电极。该测定通过在室温（298.15 K）下测量颗粒的电泳迁移率来完成。这有助于确定BSG的平均表面电荷[17]。

2.2.7. 吸附过程关键参数的优化
进行了优化实验，以确定BSG上ST和CR吸附的最佳条件。正确定义这些参数对于确保可靠的吸附性能至关重要。系统评估了BSG质量、BSG与染料之间的接触时间以及磁力搅拌速度的影响。
根据国家环境委员会（CONAMA）第430/2011号决议，排放到环境中的废水必须符合特定的pH和温度限制。允许的pH范围是5.0–9.0，废水温度不得超过40°C[18]。基于这些指导原则，所有实验采用的pH值为7.0，温度为298.15 K。
准备了含有20.0 mg L?1 CR或10.0 mg L?1 ST的水溶液（10.0 mL；pH 7.0；T = 298.15 K），并改变BSG的质量（0.005–1.000 g）。悬浮液在不同接触时间（0.30–7.0分钟）和不同磁力搅拌速度（200–700 rpm）下搅拌。搅拌后，让混合物静置10分钟以便分离BSG。随后，将4.0 mL样品以13,000 rpm的速度离心3分钟。上清液使用UV–Vis光谱仪在500 nm（CR）和519 nm（ST）处进行分析。使用校准曲线确定上清液中的残余染料浓度，并使用公式（1）计算每种条件下的染料吸附百分比（%AD）。选择最佳参数用于后续的吸附等温实验。

2.2.8. 统计分析
使用Student’s t检验和单因素方差分析（ANOVA）来支持最佳实验条件的选择[19]。在ANOVA中，通过比较计算出的F值（Fcalc）和临界F值（Fcrit）来评估显著性，当Fcalc > Fcrit且显著性水平p < 0.05时认为具有统计学差异。所有分析均使用OriginLab?软件完成。此外，文中提到的误差对应于三次实验的标准偏差。

2.2.9. 动力学模型
动力学建模使用了吸附时间优化期间相同的时间间隔。数据解析采用了(2)、(3)中描述的Lagergren经验模型[20]。
(2) log(qe?qt) = log(qe) ? k? × t
(3) t = (k? / qe2) × 1 / (1 + qe2)

2.3. 吸附等温线
在控制条件下（pH 7.0；T = 298.15 K）准备了含有逐渐增加浓度的CR或ST（5, 10, 15, 20, 25, 30, 40, 50, 70, 75, 80 mg L?1）的水溶液。溶液使用第2.2.7节中确定的优化BSG质量、接触时间和搅拌速度进行搅拌。在搅拌后，混合物静置10分钟以便分离出固相。随后，取4.0毫升的样品以13000转/分钟的速度离心3分钟，以确保悬浮颗粒完全去除。上清液通过UV–Vis分光光度法在500纳米处检测CR，在519纳米处检测ST。使用校准曲线确定残留染料的浓度。获得的平衡浓度数据用于构建吸附等温线，并利用Langmuir和Freundlich模型评估吸附行为。

2.2.10.1. Langmuir模型
Langmuir等温线模型假设在具有有限数量相同活性位点的均匀表面上发生单层吸附，并且吸附物种之间没有相互作用。Langmuir方程的非线性形式如下：
(4) qe = qmax·KL·Ce^(1/n)
其中qe是平衡时每克吸附剂吸附的溶质量（mg/g），qmax是吸附剂对给定吸附物的最大吸附容量（mg/g），Ce是平衡时的吸附物浓度（mg/L），KL是吸附物/吸附剂的相互作用常数（L/mg）。它是衡量吸附物与吸附剂活性位点之间亲和力或结合强度的指标[21]。
通过对方程(4)进行线性化，可以得到线性化的方程(5)：
(5) 1/qe = 1/qmax + KL·Ce^(1/n)
将1/qe与1/Ce作图可以得到线性化的等温线。该图的斜率等于1/(KL·qmax)，而截距给出1/qmax的值。知道了这些斜率和截距值后，就可以直接计算出qmax和KL的值[22,23]。

2.2.10.2. Freundlich模型
Freundlich等温线模型适用于非均匀吸附系统[24,26]。该模型认为吸附剂材料是异质的，并使用指数分布来表征具有不同吸附能量的吸附位点类型。Freundlich模型假设的数学模型如下：
(7) qe = KF·Ce^(1/n)
其中qe是吸附容量（mg/g），KF是Freundlich吸附容量常数（mg/L）^(-1/n)，Ce是平衡时的吸附物浓度（mg/L），1/n是一个表示表面异质性的常数。
Freundlich方程的线性化形式如下：
(8) log(qe) = log(KF) + 1/n·log(Ce)
因此，可以通过将log(qe)与log(Ce)作图来确定参数KF和1/n的值。该图的斜率给出1/n的值，截距提供log(KF)。1/n的值与表面异质性相关，其中n值较高表示吸附物与吸附剂之间的相互作用较强。当n=1时，表示相互作用是线性的，意味着吸附位点之间的能量变化不大。相反，如果1/n值大于1，则表明吸附剂对溶剂的亲和力较强[27]。
为了进行热力学评估，在计算吉布斯自由能变化(ΔG°)之前，需要将吸附常数转换为无量纲形式[24,25]。根据方程(9)进行这种转换：
(9) K = KF·ρ·(10^6·ρ)·(1?1/n)
其中ρ表示水的密度（g/mL）。在应用该公式于水溶液中的吸附过程时，必须确保浓度单位标准化：a) 液相中的浓度(Ce)必须以mg/L为单位；b) 固相中的浓度(q)必须以mg/g为单位[24]。

2.2.11. 分子建模
进行分子建模以评估吸附剂和吸附物分子的电子和热力学性质，从而更深入地解释吸附机制[28]。首先使用MOPAC中的半经验方法进行初始几何优化，以获得近似的最小能量结构。然后使用ORCA程序通过Ab Initio计算对这些几何结构进行细化。详细的计算参数（包括关键词和输入规格）在补充材料（表S2和S3）中提供。优化后的结构用于获取前线分子轨道能量（HOMO和LUMO）、偶极矩和电荷分布数据。根据方程(10)–(14)计算全局反应性描述符[29]：
(10) η = E_LUMO - E_HOMO
(11) μ = E_LUMO + E_HOMO
(12) 2w = μ2·2·η
(13) ε = 1/w
(14) X = ?μ
其中η是化学硬度，μ是化学势，ω是亲电性指数，ε是亲核性，χ是电负性。
从优化后的几何结构中提取电荷分布数据，使用电荷分布数据生成静电势图(EPMs)。通过适当的文件转换和电荷分配后，在PyMOL中可视化静电势表面。半经验预优化步骤通过在Ab Initio细化之前提供接近全局最小值的几何结构来降低计算成本。

3. 结果与讨论
3.1. ST和CR的吸光度光谱特性
记录了CR和ST的UV–Vis吸收光谱，以确定它们的最大吸收波长(λmax)。光谱扫描显示CR的λmax值为500纳米，ST的λmax值为519纳米（图S4）。这些波长用于后续的所有定量分析。
实验测得的λmax值与文献报道一致，文献中CR的最大吸收波长范围为495–499纳米[[30], [31], [32]]，ST的最大吸收波长约为518纳米[10,20]。实验值与文献值的一致性证实了染料溶液的制备正确性以及分光光度测量的可靠性。

3.2. BSG颗粒大小对染料吸附百分比的影响
粒径小于0.435毫米和1.19–2.38毫米的BSG颗粒的CR吸附效率分别为87 ± 2%和65 ± 9%。对于ST，吸附百分比分别为91 ± 4%（<0.435毫米）和41 ± 10%（1.19–2.38毫米）（图S5）。所有实验均使用0.1克吸附剂和10分钟的接触时间进行。
在这两种情况下，较小的颗粒尺寸都导致了显著更高的吸附效率。这种现象在涉及水污染物的吸附研究中普遍观察到[[12], [13], [14]]，主要归因于颗粒尺寸减小导致可用表面积增加。更细的颗粒提供了更大的外部表面积，从而提高了吸附剂-吸附物相互作用的概率。由于吸附本质上是表面介导的过程，因此增加的表面积促进了更多的染料吸附。
对于ST，在较大颗粒尺寸下观察到的吸附效率显著降低表明，在所研究的条件下，表面可及性在电荷驱动的相互作用中起着关键作用[33]。

3.3. 通过FTIR-ATR对BSG样品的光谱表征
BSG的FTIR光谱（图1）显示了与木质纤维素材料一致的特征谱带。3287 cm?1处的宽谱带对应于O–H伸缩振动，这是醇和酚基团的典型特征。2922和2851 cm?1处的谱带归因于烷基结构的C–H伸缩振动[34,35]。在1650至1450 cm?1范围内，中等强度的峰通常与烷烃相关。然而，在1606 cm?1处观察到的峰频率较低，表明存在共轭π键（C=C–C=C）[35]。1423 cm?1处的峰对应于芳香环的α-C–C共轭键[34]。最后，1316和1029 cm?1处的峰位于1320至1000 cm?1的特征范围内，表明醚基团（C–O–C）的伸缩振动[34]。

3.4. 通过SEM对BSG样品的形态学分析
扫描电子显微镜（SEM）图像（图2）显示BSG具有纤维状结构。细长的、聚集的、重叠的束状结构是木质纤维素纤维的特征。还观察到了细胞壁片段或裂纹，这些在植物材料的细胞结构中很常见，包括细胞腔（腔体）和维管通道。裂纹/不规则性或可能存在的孔隙增加了接触表面积。这些特征有利于吸附过程[40]。在其他研究中也获得了类似的图像，这些研究评估了BSG对化学污染物的吸附[14]以及甘草根粉（Glycyrrhiza glabra L.）的吸附[41]。

3.5. BSG的Zeta电位
Zeta电位是一个基本测量参数，用于指示悬浮在液体中的颗粒（包括生物聚合物颗粒）表面的电荷。虽然它不直接测量总表面电荷，但它测量的是液体层与颗粒表面之间形成的剪切平面（或滑动平面）的电势。这个值是胶体分散稳定性的关键指标，与颗粒的净表面电荷直接相关[42]。
已知pH值是Zeta电位测量中最重要的因素之一，因为它影响生物聚合物的功能团的解离。这些生物聚合物通常具有可以根据介质的酸碱性而离子化的功能团（如?COOH、?NH2、?OH等）。这种离子化会显著影响吸附剂和吸附物之间的相互作用[17]。然而，在本工作中，Zeta电位的测量和其他参数的评估过程中，pH值保持恒定（pH 6.8）[18]。
本研究的Zeta电位显示BSG的表面电荷为?17.9 mV，表明其表面带有中等程度的负电荷。这种行为可以归因于BSG的组成，它主要由木质素和纤维素组成。特别是木质素含有酚类和羧基等功能团，这些基团赋予材料表面负电荷。尽管纤维素的活性较低，但它也含有羟基，这些羟基可以影响表面电荷。因此，这些结构组分的相互作用导致了观察到的负电荷[43]。在之前评估BSG作为从水溶液中去除污染物离子的剂的研究中，也报告了类似的Zeta电位值（pH 6–7时为?20.0 mV[44]。
BSG表面负电荷的 predominance 解释了其相对于CR对ST染料具有更好的吸附能力。在分析了主要由木质素和纤维素组成的BSG吸附剂的电子结构，以及ST和CR染料的分子结构（图3）后，观察到ST分子带有正电荷（蓝色），这主要是由于存在氮阳离子。ST的这一特性促进了与木质素功能化基团的良好静电相互作用，木质素中的高电负性原子负责诱导部分负电荷。相反，CR染料在其结构中主要带有部分负电荷（红色），这导致与木质素的相互作用较弱，而对纤维素组分的亲和力较高。这两种染料在吸附行为上的差异证实了观察到的qmax值，表明BSG对ST的吸附效率更高。

此外，如图3所示，木质素（b）的表面主要呈负电荷，该组分占材料的很大比例（9.9%–56.2%为木质素及其衍生物），这使得表面分析特别重要[[36], [37], [38], [39]]。CR（c）和ST（d）分子显示出带正电荷的区域，表明吸附剂与染料之间的主要物理化学相互作用主要发生在木质素及其衍生物的功能基团与CR和ST分子之间。这种行为与BSG观察到的负ζ电位-17.9 mV一致，证实了其表面具有适度的负电荷，能够促进有利的静电相互作用，而纤维素（a）对此过程的贡献较小。

3.6. 吸附过程关键参数的优化
在水介质中，吸附剂质量对吸附物吸附百分比的变化受化学平衡原理和吸附过程性质的控制。吸附百分比简单定义为从溶液中去除的吸附物量与初始量的比值。在固定体积的溶液中增加吸附剂的质量（初始吸附物浓度不变）会导致吸附百分比的增加，主要原因如下：
a) 吸附是一个表面现象。通过增加吸附剂的质量，可用于与吸附物分子相互作用的表面积增加。因此，悬浮液中可用的活性位点（吸附物可以结合的位置）也更多。
b) 更多的活性位点意味着可以捕获并结合更多的吸附物分子，从而从液相中去除更多的吸附物总量。
c) 在批次系统中（溶液体积固定），增加吸附剂的质量可以提高吸附剂与（恒定的）吸附物量之间的比例。更多的吸附剂能够去除溶液中有限量的吸附物，从而提高去除百分比[43]。

在许多情况下，随着吸附剂量的增加，吸附百分比不会无限增加，而是会稳定在一个平衡点或饱和点。这发生的原因如下[45]：
a) 最大吸附百分比为100%。一旦溶液中几乎所有的（或大部分）吸附物被去除，无论再添加多少吸附剂，吸附百分比都无法进一步增加。系统达到了由初始吸附物量决定的限制。
b) 吸附是一个可逆过程。在平衡状态下，吸附物分子附着到吸附剂上的速率（吸附）等于它们从表面脱离的速率（解吸）。因此，即使随着吸附剂的增加而有更多的活性位点，溶液中的吸附物浓度也会大幅下降。这种低浓度使得解吸（释放）比从已经高度稀释的溶液中吸附分子更有可能发生。系统在非常低的平衡浓度（Ce）下稳定，此时溶液中剩余的吸附物量最小，去除百分比达到最大。

在水介质中，水和其他溶剂中的离子会竞争吸附剂的活性位点。即使在高吸附剂质量下，这些位点也可能被其他物质占据，从而限制了目标吸附物的吸附能力。

在一项使用桉木粉去除水中CR的研究中，发现增加吸附剂质量可以导致更高的CR去除百分比，直到达到平衡[46]。其他研究也发现了类似的结果，这些研究使用了蚯蚓堆肥[18]和甘蔗渣[12]在水介质中去除CR。

总之，初始吸附百分比的增加是由于活性位点的增加。当溶液中的吸附物量成为限制因素时，达到稳定点（平衡），再添加更多的吸附剂也无法去除已经耗尽的吸附物或那些通过解吸达到平衡的吸附物[47]。

我们这项工作的这一阶段的结果表明，增加BSG的质量可以提高CR和ST的吸附百分比，直到达到平衡（图S6）。图表显示的结果与本节描述的文献中的观察结果一致。因此，可以确定每种染料的最佳BSG质量：CR为0.4克，ST为0.1克，以确保吸附过程的最大效率。根据优化后的质量数据，还优化了吸附过程的搅拌速度和搅拌/接触时间参数。图S7a展示了CR染料的吸附百分比随搅拌/接触时间的变化情况，而图S7b显示了相同染料的搅拌速度（rpm）的影响。同样，图S7c和S7d分别展示了ST染料的搅拌/接触时间和搅拌速度的优化结果。

观察到，在图S7中研究的两个参数下，两种染料的吸附都从高水平开始，并在整个实验过程中保持稳定。两种染料都显示出了令人满意的结果；然而，CR的变化性更大，三次实验之间的偏差更明显，表明吸附和解吸之间的振荡更剧烈。另一方面，ST的平均吸附值虽然略低，但显著更一致和稳定。

表S4展示了来自搅拌速度研究的方差分析（ANOVA）结果，以及时间影响最显著的区间（CR为1.5至3.5分钟，ST为4.0至7.0分钟）。对于CR染料，统计分析表明评估条件之间没有显著差异，因为p值高于采用的显著性水平（α=0.05），且计算出的F值低于临界F值（Fcalc < Fcrit）。这些结果表明，所研究参数的变化对吸附没有产生统计学上的显著影响。因此，选择了1.5分钟和200 rpm的操作参数，因为它们对应于最短的接触时间且效率足够高，因此被采纳为后续实验的最佳条件。

相比之下，对于ST，两个统计参数都显示出由于搅拌时间变化而导致的显著差异。p值导致零假设被拒绝，F参数（Fcalc > Fcrit）表明至少有两个分析时间点的吸附性能存在统计学上的显著差异。因此，需要进行更详细的成对t检验来确定进行后续分析的最适当时间。

表S5展示了时间效应的配对t检验，而表S6展示了搅拌速度的t检验。图S4a和S4b同时展示了ST优化参数的时间和搅拌速度效应图的放大版本，仅突出显示了统计测试中分析的点，这有助于更详细和准确地评估观察到的偏差。4分钟的时间是配对t检验的临界点，所有比较都显示出显著差异，从而证实了其优越的吸附效率。选择4分钟的时间基于两个主要标准：它是最短的时间，并且标准差最低，确保了结果的可靠性和一致性。因此，较短的时间、更高的效率和较低的变异性证明了选择4分钟作为后续研究最适当的时间点[48]。

关于搅拌速度，观察到计算出的tcalc值高于所有分析对的表格值，除了200 rpm和400 rpm这对。这一发现表明200 rpm和400 rpm的搅拌速度之间没有显著差异。因此，选择了200 rpm的速度，因为它在统计上等同于400 rpm，并且所需的设备能耗更低。之前优化的数据（表S7）被用来生成吸附等温线。

3.7. 动力学模型
吸附的动力学分析对于获得关于过程速率和机制的关键信息是不可或缺的，这对于确定最佳操作条件和废水处理所需的接触时间至关重要[20,49]。图S8展示了CR和ST的伪一级和伪二级模型的拟合情况。对于CR，两种模型都没有提供满意的拟合，无法可靠地估计BSG吸附的动力学参数。相比之下，对于ST，伪二级模型显示出极好的拟合（R2=0.994）。然而，线性化模型的截距接近于零，导致k2值极高且不可靠。这种行为表明吸附动力学非常快，表明该过程可能受质量传递现象的控制，而不是表面反应[20,49]。

3.8. Langmuir等温线
CR和ST的平衡吸附数据被拟合到Langmuir等温线模型。得到的非线性等温线（图S9）表现出典型的Langmuir行为，表明在研究的浓度范围内吸附效果良好[50]。为了定量评估，数据随后使用方程（5）进行了线性化，相应的线性图显示在图4中。

基于方程5，从每个图（图4）中得出了BSG对CR（A）和ST（B）的最大吸附容量（qmax）和Langmuir常数（KL）的值（表1）。

表1：BSG对CR和ST吸附的最大吸附容量（qmax）和Langmuir常数（KL）结果。
| 染料 | qmax (mg g?1) | KL (L mg?1) |
| --- | --- | --- |
| CR | 1.36 | 0.850 |
| ST | 30.62 | 0.105 |

最大吸附容量（qmax）代表吸附剂表面的理论单层覆盖度，反映了可用的活性位点总数。两种染料之间存在显著差异：ST的qmax为30.62 mg g?1，大约是CR的22倍（1.36 mg g?1）。这种显著差异与BSG在接近中性pH值时的负电荷表面一致，这一点通过ζ电位测量得到证实（第3.5节），以及通过FTIR识别的含氧功能团得到证实（第3.3节）。在这些条件下，阳离子ST分子与带负电荷的表面位点之间的静电吸引显著增强了吸附能力。相比之下，CR是一种含有磺酸基团的阴离子偶氮染料，可能会经历静电排斥，限制了可用的吸附位点数量，导致qmax显著降低。类似的行为也已在木质纤维素材料中报道，这些材料在中性到微碱性pH值下通常表现出负表面电荷[[51], [52], [53]]。

与吸附亲和力相关的KL显示出相反的趋势：CR的KL值（0.850 L mg?1）高于ST（0.105 L mg?1）。尽管CR的吸附容量较低，但相对较高的KL值表明在有限的位点上具有更强的结合力。这表明CR的吸附过程主要不是由静电吸引力主导的，而是由局部的高能相互作用所驱动，例如木质素和染料分子之间的π–π堆叠作用，以及可能的氢键作用。低qmax值和相对较高的KL值支持了一种异质吸附情景，即BSG表面只有一小部分提供了对CR的高亲和力位点。为了进行比较，表2展示了其他用于去除CR和ST的天然吸附剂的qmax值[54]。

表2：与其他天然吸附剂相比，BSG对CR和ST的最大吸附容量。

通过分析表2中的结果，可以观察到本研究获得的qmax值（1.35 mg g?1）将该材料的去除性能置于中等至较低的范围，与原始啤酒糟（BSG）报告的数值（1.35 mg g?1）相当[36]。这一结果优于木质纤维素残渣，如松树皮（0.30 mg g?1）[55]和锯末粉（0.52 mg g?1）[56]，接近于孔隙率有限的无机吸附剂的效率。然而，1.35 mg g?1的值仍比其他生物吸附剂（如椰纤维（162.59 mg g?1）[61]、磁性复合材料AFRL@AMNP（218.20 mg g?1）[60]和基于木质素的吸附剂（58.08 mg g?1）[62]低几个数量级。这些参考材料的优异性能归因于表面工程和高功能密度：AFRL@AMNP采用核壳结构，具有巨大的表面积（733.1 m2 g?1），从而增加了暴露的活性位点；而椰子木质素的胺化引入了正电荷，强烈吸引了染料并扩展了材料的孔隙网络。这些修改促进了高效的化学吸附机制，与1.35 mg g?1所关联的有限物理吸附机制形成对比。

相比之下，对于阳离子染料Safranin-T（ST），BSG的qmax值达到了30.62 mg g?1，这是从椰子和菠萝残渣衍生的活性炭（1.00 mg g?1）[64]的30倍，以及从铝废料衍生的LTA型沸石（3.74 mg g?1）[20]的8倍。比较分析清楚地表明，BSG的吸附效率具有高度选择性且依赖于染料类型。虽然BSG对阴离子CR染料的吸附能力适中，但它对阳离子ST染料的去除表现出优异的潜力，显示出对后者的强亲和力。

图5显示了线性化的Freundlich等温线，如方程8所示。该模型描述了吸附质与异质吸附剂表面之间的关系。作为一种经验模型，它特别适用于活性吸附位点具有不同能量的系统。实验数据与Freundlich模型的良好拟合表明，吸附过程是非均匀的（非理想的），并涉及在吸附剂表面的多层吸附。

表3列出了从CT和ST染料的实验数据线性回归分析中获得的Freundlich等温线参数。这些参数是基于模型线性方程的拟合得出的，用于评估吸附剂的吸附强度和其对染料的亲和力。

表4展示了从Langmuir（ΔGL）和Freundlich（ΔGF）常数获得的ΔG°值。

值得注意的是，尽管Langmuir和Freundlich模型常用于计算吉布斯自由能变化（ΔG°）[26]，但文献中报告了在直接使用常数KL和KF于方程ΔG = ?RT ln K时存在显著误差。然而，热力学参数的结果证实了两种染料在室温下的吸附过程是自发的[24]。此外，最大吸附容量qmax与吉布斯自由能变化（ΔG°）之间存在显著对比：ST染料表现出非常高的qmax值（30.62 mg g?1），而其ΔG°值仅略微为负，表明吸附过程较不自发；相反，CR染料的qmax值非常低（1.38 mg g?1），但其ΔG°值显著为负，表明吸附过程更为自发。这种差异构成了我们观察的核心。为什么一个更自发的过程（CR）会导致较低的吸附容量，而一个较不自发的过程（ST）却表现出较高的吸附容量？解释在于静电相互作用。 malt残留物的表面带负电荷（ζ电位为-17.9 mV），CR染料带负电荷，而ST带正电荷。在CR的情况下，其负电荷与吸附剂的负电荷表面发生静电排斥。尽管存在这种排斥，吸附仍然自发发生并且能量上是有利的（ΔG°为负），表明还涉及其他相互作用机制，如氢键或范德华力。然而，静电排斥限制了可以吸附在表面的染料总量，导致吸附容量较低（qmax = 1.38 mg g?1）。

图S10展示了本研究中研究的主要分子结构（ST、CR、木质素和纤维素）的HOMO和LUMO轨道。该图显示了每个分子中最具亲电性和亲核性的位置。

表5列出了图S10中所示分子结构的主要电子性质和偶极矩。这些性质包括HOMO（EHOMO）和LUMO（ELUMO）轨道的能量、能隙（Egap）以及反应性参数：化学硬度（η）、化学势（μ）、电负性（χ）和亲核性（?）。

表5：来自Ab Initio计算的性质。

具有较高硬度的结构往往表现出较低的化学活性或较低的吸附亲和力。化学势描述了化学实体随系统自由能变化而变化的行为，响应于分子电子数量的变化。较低的化学势值表明分子参与电子转移过程的倾向性更大[29,66,67]。被归类为“较软”的分子其特征是最高占据分子轨道（HOMO）和最低未占据分子轨道（LUMO）之间的能隙较小，这意味着与较硬的结构相比具有更高的反应性。因此，较软的分子表现出更强的吸附能力[68]。亲电性量化了结构接受电子的倾向，而电负性衡量了结构吸引电子的能力[69]。这样的分析补充了静电势图（MEP），提供了关于吸附剂与吸附质之间相互作用的额外信息，并阐明了这些分子在电子转移方面的行为。

分子极性，通过偶极矩来量化，是评估某些反应自发性时的一个间接因素，特别是在凝聚系统（液体和固体）或溶液中。尽管偶极矩本身并不直接决定反应的自发性，但分子的极性可以显著影响分子间相互作用、溶剂化和分子取向。关于吸附质，理论分析表明，ST和CR两种结构都表现出较低的亲核性，表明它们不是有效的亲核剂。此外，电负性和亲电性指数表明CR与带负电荷表面的相互作用更容易。尽管ST是一种阳离子染料，但其较低的亲电性可能归因于其电荷在四个芳香环上的离域。这些数据支持了实验观察到的CR更高的吸附自发性，这也通过Egap（HOMO和LUMO之间的能量差）和偶极矩值得到了证实。

关于吸附剂结构，纤维素表现出最不利的吸附特性。纤维素的高Egap值表明其反应性低，与表面的轨道相互作用困难。其较高的硬度和较低的亲电性表明其与吸附表面的显著电子相互作用倾向较低。尽管具有最高的柔软度，较大的Egap可能会限制表面诱导的极化程度。相反，木质素显示出有希望的吸附潜力，特别是在具有电子接受特性的吸附剂上。此外，木质素的HOMO值表明其具有向相互作用表面捐赠电子的强能力。

考虑到所研究分子的HOMO和LUMO轨道，可以推测染料与BSG木质纤维素材料之间的吸附机制。木质素中的官能团（如酚类和醚类）的存在，加上其较低的硬度和较高的电子捐赠能力，有利于与染料的亲电区域相互作用，尤其是CR。这种行为与实验观察到的CR更高的自发性一致，这一点通过更负的ΔG值得到了证实。此外，吸附材料的负电荷通过ζ电位分析得到了确认，增强了与阳离子分子（如ST）的静电相互作用。然而，ST较低的亲电性指数加上其电荷的离域可能阻碍了更强相互作用的形成，这解释了其较低的吸附自发性。

利用从静电势图（图3）、前线分子轨道（HOMO和LUMO）的分布（图S10）以及表5中讨论的电子参数，提出了所研究吸附剂和吸附质之间的理论吸附机制。图S11中的示意图考虑了分子的正负电荷区域分布，以及与分子轨道相关的较高电子密度区域，这些区域表明了亲电和亲核相互作用的有利位置。这些信息的整合有助于推断木质纤维素材料与分析染料之间的可能相互作用区域，为吸附过程提供了分子层面的解释，从而为实验结果提供了理论支持。

本研究旨在阐明在受控批次条件下最小程度处理的BSG上染料吸附的界面机制。通过结合表面表征、吸附建模、热力学分析和电子结构计算，建立了一个将表面电荷和吸附选择性联系起来的一致机制框架。由于BSG是在其天然状态下评估的，因此其吸附行为反映了其内在的物理化学性质。虽然这种方法能够更清晰地解释机制，并减少了处理要求，但进一步的分析（如BET表面积、孔径分布和表面敏感技术（例如EDS或XPS）可以进一步阐明吸附位点的可及性和染料-表面相互作用。尽管观察到了快速平衡，但没有进行详细的动力学建模，也没有评估再生、可重复性和潜在的浸出。这些方面，以及在连续系统和实际废水基质中的评估，对于实际应用仍然很重要。

从应用角度来看，使用未经处理的BSG在可用性、简单性和降低处理成本方面具有优势。未来的研究可以将这种方法与可控的表面改性策略结合起来，以提高吸附性能，同时保持可持续性。4. 结论 本研究证明了BSG（一种丰富的木质纤维素农业工业废弃物）可以作为选择性强的、具有可解释机制的生物吸附剂，用于去除有机染料。表面表征显示其具有多孔结构和中等负表面电荷（ζ = ?17.9 mV，在pH 6.8时），为基于电荷的吸附行为提供了物理化学基础。吸附平衡最好用Freundlich模型来描述，表明表面相互作用是异质的。在所研究的染料之间观察到了明显的选择性：阳离子染料ST的最大吸附容量（30.62 mg g?1）显著高于阴离子染料Congo Red（1.36 mg g?1）。这种差异直接与静电表面效应相关。通过平衡常数进行的热力学评估证实了两种系统的吸附都是自发的，同时揭示了仅从吸附容量无法推断出的不同能量特征。重要的是，将实验吸附数据与DFT计算和静电势映射相结合，使得能够从分子层面解释界面现象。ST的吸附主要受带正电的染料与带负电的BSG表面之间的静电吸引作用控制。相比之下，CR的吸附受到静电排斥的限制，并主要通过选择性高能位点上的局部π–π堆叠和氢键相互作用来实现。这些发现强调了表面电荷分布和分子电子结构在控制吸附选择性方面的关键作用。通过结合表面表征、热力学严谨性和电子结构分析，这项工作超越了传统的仅报告吸附容量的方法，加深了对染料-生物吸附剂界面相互作用的理解。重要的是，吸附性能是在未经化学活化或表面改性的BSG基础上实现的。这突显了木质纤维素废弃物本身的吸附能力，并强调了低成本农业工业副产品作为可持续染料去除方法的潜力。结果表明，经过最小处理的BSG不仅可以作为可持续的吸附剂，还可以作为研究木质纤维素材料中电荷驱动吸附机制的模型系统。

**资助声明**
本研究未获得公共部门、商业部门或非营利组织的任何特定资助。

**数据可用性**
支持本研究结果的数据可向通讯作者索取。

**作者贡献声明**
Lenilson Eustaquio de Souza Junior：方法学、验证、形式分析、实验研究、数据管理、初稿撰写、审稿与编辑；
Allan de Oliveira Gasparoni Pinto：方法学、验证、形式分析、实验研究、数据管理、初稿撰写；
Gabriel Fernandes Souza dos Santos：形式分析、验证、初稿撰写、审稿与编辑；
Araceli Veronica Flores Nardy Ribeiro：概念化、方法学、形式分析、审稿与编辑；
Andre Romero da Silva：形式分析、审稿与编辑；
Juliano Souza Ribeiro：形式分析、审稿与编辑、资金筹集；
Jairo Pinto de Oliveira：形式分析、审稿与编辑；
Flavio Cunha Monteiro：形式分析、审稿与编辑；
Tadeu Eriton Caliman Zanardo：形式分析、审稿与编辑；
Rosa Ferreira Vieira：形式分析、审稿与编辑；
Natercia Carvalhal Alves：形式分析、初稿撰写、审稿与编辑；
Joselito Nardy Ribeiro：概念化、方法学、验证、实验研究、可视化、审稿与编辑、项目监督、资金筹集。

**CRediT作者贡献声明**
Lenilson Eustaquio de Souza Junior：审稿与编辑、初稿撰写、验证、方法学、形式分析、数据管理；
Allan de Oliveira Gasparoni Pinto：初稿撰写、验证、方法学、实验研究、形式分析、数据管理；
Gabriel Fernandes Souza dos Santos：审稿与编辑、初稿撰写、验证、形式分析；
Araceli Veronica Flores Nardy Ribeiro：审稿与编辑、方法学、形式分析、概念化；
Andre Romero da Silva：审稿与编辑、形式分析；
Juliano Souza Ribeiro：审稿与编辑、资金筹集、形式分析；
Jairo Pinto de Oliveira：审稿与编辑、形式分析；
Flavio Cunha Monteiro：审稿与编辑、形式分析；
Tadeu Eriton Caliman Zanardo：审稿与编辑、形式分析；
Rosa Ferreira Vieira：审稿与编辑、形式分析；
Natercia Carvalhal Alves：审稿与编辑、初稿撰写、形式分析；
Joselito Nardy Ribeiro：概念化、方法学、验证、实验研究、可视化、审稿与编辑、项目监督、资金筹集、方法学、实验研究、形式分析、概念化。