基于宏基因组学的赤泥-预处理食物垃圾厌氧消化模型重建：通过引入SAO和DIET代谢途径改进高固含量ADM1工艺

《Journal of Environmental Management》：Anaerobic digestion model reconstruction of red mud-Pretreated food waste based on the Metagenomics: Improvement of the high-solid ADM1 incorporating SAO and DIET metabolic pathways

本研究基于代谢组学信息改进Anaerobic Digestion Model No.1（ADM1），构建RF-ADM1模型整合协同醋酸氧化（SAO）和直接种间电子传递（DIET）途径，通过批次实验和连续测试验证，R2达0.996，TIC为0.05，显著提升有机废水AD模拟精度。

　　

穆浩然|胡玉英|张世豪|张欣怡|魏群

华东交通大学土木工程与建筑学院，中国南昌，330013

摘要

厌氧消化模型1（ADM1）能够准确描述废水厌氧消化（AD）中的生化过程，但由于有机废物的生化反应途径不同，它在模拟有机废物的厌氧消化时存在不足。为了解决这一限制，本研究提出了一种基于宏基因组信息的改进方法ADM1。针对用红泥预处理的食品废物厌氧消化系统，开发了一种厌氧消化模型（RF-ADM1），重点整合了两种功能途径：共生乙酸氧化（SAO）和直接种间电子转移（DIET）。提取了DIET的特征动力学参数（Y_{_pro_ac} 和 Y_{_bu_ac}），以增强模型对该系统内代谢过程的特征描述能力。批次实验的决定系数（R²）达到0.996，连续测试的Theil不等式系数（TIC）达到0.05。

引言

有机固体废物含有高水分、盐分、油脂和有机物，易于腐烂，会产生难闻的气味，并导致病原微生物的生长（Jin等人，2015；Wang等人，2020）。与焚烧、填埋和堆肥等传统处理方法相比，厌氧消化能有效实现有机物的减少和稳定，显示出其在环境保护和资源利用方面的显著应用价值。厌氧消化被认为是处理有机固体废物的合适技术（Jin等人，2022）。

厌氧消化利用多种微生物群落的协同代谢将可降解有机物转化为沼气。需要注意的是，不合适的操作条件会导致代谢途径的中断，从而显著降低甲烷转化效率。因此，准确预测厌氧消化过程可以提高气体产量，增强有机物降解效果，并降低运营风险。

厌氧消化模型1（ADM1）是由国际水协会开发的一种用于废水厌氧消化的通用结构化模型。该模型采用不同的代数方程来描述废水厌氧消化过程中的生化和物理化学过程，能够准确模拟和预测不同操作条件下的厌氧消化过程性能。Batstone等人（Batstone和Keller，2003）利用ADM1模拟了酸添加对UASB反应器处理造纸废水时pH值降低和碳酸钙沉淀的影响。Shang等人（2005）也使用ADM1模拟了全规模厌氧废水反应器，结果显示模拟的沼气产量与实际反应器数据之间的差异在10%以内。ADM1在模拟废水厌氧消化方面的可靠性和准确性得到了广泛认可（Batstone等人，2002）。

然而，ADM1最初是基于废水厌氧消化开发的。它在准确描述有机固体废物的厌氧消化系统方面存在不足，这是因为有机固体废物的厌氧消化在底物组成、代谢途径和微生物群落结构方面与废水有显著差异。因此，根据有机废物厌氧消化的特点对ADM1进行修改对于扩展模型的应用范围至关重要。为了进一步提高模型对有机废物厌氧消化的预测能力，先前的研究对模型结构、动力学和化学计量学进行了研究。传统观点认为，糖类在厌氧消化过程中会降解为丁酸和戊酸。Parra-Orobio等人（2020）通过将乳酸作为动态状态变量并修改糖类降解途径，对ADM1进行了改进。改进后的ADM1在甲烷产率预测方面表现出优异的能力，其R²超过了0.96。考虑到食品废物的分解通常遵循从外向内的渐进式模式，Zhao等人（2019）定义了两个新参数——体积比表面积和质量比表面积，并用基于表面的动力学表达式替换了一阶动力学。在食品废物的厌氧消化系统中，改进的分解/水解结构模型（Montecchio等人，2019）和基于微生物群落结构特征的改进戊酸降解模型（Pastor-Poquet等人，2018）显示出良好的预测效果。然而，相关研究尚未考虑可能发生在添加导电材料的厌氧消化系统中的DIET途径。

需要注意的是，现有的ADM1修改方法通常基于底物特性或微生物群落结构。因此，模型模拟结果与实验结果之间仍存在差异。基于此，本研究的目标是：（1）提出一种使用宏基因组信息对用红泥预处理的食品废物进行ADM1修改的方法；（2）利用这种方法重构RF-ADM1，其中包含了SAO和DIET途径；（3）通过批次和连续测试对模型进行了验证；（4）基于RF-ADM1提取了与DIET相关的特征动力学参数（Y_{_pro_ac} 和 Y_{_bu_ac}），增强了模型对该系统内代谢过程的特征描述能力。

部分摘录

建模平台和数据来源

本研究使用的建模平台是AQUASIM 2.1。厌氧消化是一个相当复杂的生化过程，涉及多个代谢阶段，每个阶段的特性可以通过相应的动力学表达式来识别。需要注意的是，底物的分解和水解遵循一阶动力学，其定量描述可以在方程（1）中体现（Batstone等人，2002）。此外，诸如

红泥预处理厌氧消化中的代谢途径分析

基于我们之前的研究（Zhang等人，2026），利用宏基因组信息识别了红泥预处理厌氧消化的特殊代谢途径。与传统生化反应途径相比，发现了两条重要的途径：SAO和DIET。

SAO细菌通过与利用氢气的产甲烷细菌的共生代谢，通过SAO途径将乙酸氧化为H₂和CO₂（Zhu等人，2022）。然而，SAO途径是

结论

本研究提出了一种基于宏基因组的ADM1修改方法。重构的RF-ADM1整合了SAO和DIET途径。批次和连续测试证实了模型的准确性，R²大于0.9，TIC等于0.05。RF-ADM1中的特征动力学参数（Y_{_pro_ac} 和 Y_{_bu_ac}）被确定为DIET特性的关键指标；校准这些特征动力学参数可以扩展模型的适用范围。

CRediT作者贡献声明

穆浩然：撰写——初稿、软件、方法论、正式分析、数据管理、概念构思。胡玉英：撰写——审稿与编辑、项目管理、资金获取。张世豪：撰写——审稿与编辑、验证、调查。张欣怡：撰写——审稿与编辑、资源协调。魏群：撰写——审稿与编辑、正式分析。

声明

仅在写作过程中使用了人工智能辅助技术，以提高手稿的可读性和语言表达。

利益冲突声明

作者声明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

本研究的资金支持来自国家自然科学基金（52360017）和甘坡俊才支持计划——主要学科学术和技术领军人才培训计划（20243BCE51137）。