生成式深度学习辅助多目标优化光合细菌废水氮转蛋白 | 变分自编码器扩充数据

一图不看也要知道的几件事

• 原始数据集来自Web of Science文献检索（检索词：photosynthetic bacteria/phototrophic microorganisms/purple non-sulfur bacteria/purple phototrophic bacterium 与 protein production/protein synthesis/single-cell protein）并结合前期实验结果，共404条观测；9个输入特征中缺失38个值（各特征0.2%–1.5%），用RandomForestRegressor填补。
• 输入变量分三类：营养因子（碳源、氮源、COD:TN比、COD浓度）、光照因子（光类型、照度）、运行因子（氮负荷率NLR、水力停留时间HRT）；三个目标为蛋白浓度、氮转化率（微生物蛋白氮占已去除总氮比例，蛋白质含氮量按16%计）与总氮去除率（TN removal）。
• VAE潜维度设为9以保留全部9个原始特征，损失函数为 BCE + 0.01×KLD；Adam优化器学习率0.0005、每50轮减半，批大小32、训练500轮，从[0,1]均匀采样的潜变量生成5000条合成样本。
• 重建率在样本量1000–10000之间变化，最大重建率80.17%出现在样本量5000（阈值ε=0.05）；生成数据中TN与NLR分布偏窄，HRT、NLR、照度存在偏差，仅TN去除率与原始数据接近。
• ENN回归以原始数据训练时测试集R²为0.7071（TN去除）、0.7175（蛋白浓度）、0.7021（氮转化）；用生成数据训练后提升至0.7762、0.7813、0.7962，训练集R²则由0.7311/0.7123/0.7079提升至0.7984/0.8161/0.8211。
• SHAP归因：TN去除的前三位重要变量为碳源>氮源>光类型；蛋白浓度为氮源>NLR>光类型；氮转化为氮源>COD>光类型；光类型对三个目标均关键，为以往被忽视的因素。
• 类别变量贡献（甜甜圈图）：TN去除中氮源35.4%、光类型32.7%、碳源31.9%；蛋白浓度中氮源48.8%、光类型36.3%、碳源14.9%；氮转化中氮源44.2%、光类型34.8%、碳源21.0%。有机酸/盐为最佳碳源，铵态氮为关键氮源；白光利于TN去除，近红外（NIR）光利于蛋白浓度与氮转化。
• 多目标优化：原始数据仅识别出1个帕累托前沿点，生成数据给出8个；目标变量范围TN去除73.86–92.30%、蛋白浓度0.64–1.40 g L−1、氮转化44%–69%。
• 帕累托解给出的输入可行范围：COD 3.42–7.48 g L−1、TN 0.22–0.37 g L−1、COD:TN 9.28–33.22、HRT 4.02–7.67 d、照度967.71–1405.56 lx、NLR 0.28–0.77 g L−1 d−1；碳源以有机酸/盐为主、氮源为铵，光类型多为NIR（8个前沿点中1个为白光）。
• 验证实验以 Rhodopseudomonas palustris 为模式菌，白光源（全光谱）与NIR光源（850 nm）各6 W、30℃、初始pH 7、静置厌氧、初始COD 5 g L−1、乙酸钠为碳源、铵态氮为氮源，培养5天（n=3）。NIR蛋白浓度最高时氮转化率达已去除氮的44%，但蛋白浓度0.50 g L−1、TN去除72%均低于预测区间。
• 吸收谱显示PSB在750–810 nm与830–890 nm有强吸收带，对应细菌叶绿素a的特征吸收峰；NIR使Glu、Asp、Ala对应的tRNA合成酶基因（gltX、aspS、alaS）表达较白光提高约4倍，主要出现在对数期。
• 实现GDL方法的总计算耗时约1分17.9秒，运行于Intel Core i5-12500H（12核16线程）、16 GB DDR5、NVIDIA GeForce RTX 3050 Laptop GPU（4 GB显存）的笔记本电脑。

研究背景与要解决的问题

面对资源日益紧张，废水被视为可回收资源。传统生物处理把氮以硝化—反硝化路径转为气态氮（NH3→NO2−→NO3−→NO2−→NO→N2O→N2），并不回收氮；而用微生物把废水碳氮转化为微生物蛋白可实现资源回收，且相比大豆等传统蛋白来源碳足迹更低，可用于水产饲料、畜饲料补充与有机肥。

光合细菌（PSB）是蛋白生产潜力最大的微生物之一，把废水中的氮转化为富含蛋白的生物量，蛋白含量可达40%–60%，并含必需氨基酸、维生素等生物活性物质；相较微藻，PSB光需求低得多（5–20 W·m−2 对 100–200 W·m−2），具有近红外光利用能力，且能在非无菌条件下于高浓度废水中快速生长。

PSB已应用于蔗糖、大豆、酿造等废水，COD与氨氮去除率超过70%；但多数研究聚焦单目标，缺乏对氮回收潜力与最优解的综合多目标评价并存在数据稀缺问题。生成式深度学习（GDL）能在数据稀缺时生成新数据实例、扩展分析范围，已被用于合成声学泄漏信号等场景，但尚未直接应用于废水处理与资源回收的多目标优化。

概念与技术边界

体系与方法

主要结果（原文图表逐条解读）

图示信息：四部分：①生成式深度学习，输入光/营养/运行，目标为TN去除、蛋白生产与N转化，404条真实数据训练VAE编码器—解码器生成5000条合成数据；②单目标分析，ENN结合SHAP排序变量重要性；③多目标优化，三维帕累托前沿（TN去除%、蛋白浓度g L−1、氮转化%）对比真实与生成数据，并给出优化区间表；④机制洞察，NIR光照下NH4+经AmtB（受GlnK调控）与GlnA同化为Gln及Glu/Asp/Ala，再由GltX/AspS/AlaS装载tRNA进入翻译生成蛋白。

论文结果：摘要图给出优化结果示例：近红外条件约92.20% TN去除、0.88 g L−1蛋白、44%氮转化；白光约92.30% TN去除但蛋白较低；实验验证得72% TN去除、0.5 g L−1蛋白、44%氮转化；PSB吸收谱在近红外有峰。

研究意义：概括了从数据生成、可解释单目标归因、多目标求解到分子机制验证的完整框架，说明该流程可在数据有限的条件下给出可操作的工况区间。

图示信息：左侧三幅重要性条形图（a/c/e），右侧三幅嵌套甜甜圈图（b/d/f）含图例。

论文结果：a：TN去除中碳源最重要（约2.0），其次氮源（约1.8），光类型与照度约0.9，其余（COD:TN比、COD、HRT、NLR、TN）依次降低。c：蛋白浓度中氮源主导（约0.035），NLR次之（约0.024），光类型、COD、HRT、照度、碳源相近（约0.013–0.015）。e：氮转化中氮源（约0.035）与COD（约0.032）领先，光类型与照度约0.016–0.017。甜甜圈：b为氮源35.4%、光类型32.7%、碳源31.9%；d为氮源48.8%、光类型36.3%、碳源14.9%；f为氮源44.2%、光类型34.8%、碳源21.0%。红色三角标出有机酸/盐碳源、铵态氮与白光（b）或近红外光（d、f）。

研究意义：揭示三类目标的关键驱动因子存在差异：营养类型对所有目标都最关键，COD浓度与NLR影响碳氮水平及负荷；光类型对三个目标均重要（尤其是蛋白浓度与氮转化，近红外最优），为以往被忽视的调控杠杆。

图示信息：两幅并列三维散点图，横轴TN去除（%）、纵轴蛋白浓度（g L−1）、竖轴氮转化（%）；a为原始数据（稀疏点云，青色星标1个帕累托点并用紫色圈注），b为生成数据（密集橙色点云，约7个青色星标帕累托点并由紫色椭圆圈出）。

论文结果：原始数据受小样本限制仅识别出1个帕累托前沿点，难以在三目标间取得平衡；生成数据给出8个不同帕累托前沿点，帕累托点集中在高TN去除（约80–100%）区间，横跨不同蛋白浓度与氮转化水平（约5–50%）。

研究意义：说明数据扩充显著扩展了多目标优化边界，使在去氮、蛋白浓度与氮转化之间做权衡成为可能；帕累托点仍反映生成数据的分布特征，其可实施性需实验验证。

图示信息：五面板：a生长曲线（OD600，5天），b吸收谱（约350–1100 nm），c TN去除（%），d蛋白浓度（g L−1），e氮转化（%）；均比较NIR与白光。

论文结果：a：NIR下生长更快、峰值密度更高（第4天约1.3），白光第4天约0.75后略降。b：吸收在可见区最高（约400 nm处约3.0），在约800 nm与860–900 nm出现细菌叶绿素特征近红外峰，超过约1000 nm后下降。c：TN去除均在4天达峰（白光约82%、NIR约73%），第5天回落（约60–65%），第2–4天有显著性差异，白光峰值略高（与NIR抑制TN去除、p<0.05一致）。d：NIR组蛋白浓度持续高于白光，均在第4天达峰（约0.49 vs 约0.42 g L−1），第5天下降。e：氮转化随时间下降但NIR始终更高（第1天约95%→第5天约33%），白光第1天约65%→第5天约24%。

研究意义：验证了模型关于NIR利于蛋白与氮转化、白光利于TN去除的判断：NIR促进PSB生长、蛋白积累与氮转化，但部分抑制总氮去除，二者存在目标冲突；吸收谱在750–810与830–890 nm的强带对应细菌叶绿素a，解释了NIR的利用能力。

图示信息：a为细胞膜示意图：NH4+经AmtB通道进入细胞（胞内GlnK与之关联），经GlnA同化为谷氨酰胺并进入Glu/Asp/Ala氨基酸池，再由GltX/AspS/AlaS装载tRNA进入mRNA翻译；b–g为第1–5天白光源与NIR光源的相对表达柱状图（纵轴0–6），含显著性星号。

论文结果：b（AmtB）：NIR在第1天（*）与第2天（**）显著上调，第3–5天趋同。c（glnK）：NIR主要在第1天显著上调（*），第2天略升，其后无差异。d（glnA）：NIR在第1、2天显著上调（*），其后与白光相近。e（gltX）：NIR在第3天（*）与第4天（***）大幅上调。f（aspS）：NIR在第3、4天显著上调（*）。g（alaS）：NIR在第1–4天上调，第3天（*）、第4天（**）达峰，第5天略升。原文另述NIR下Glu、Asp、Ala的tRNA合成酶基因表达比白光高4倍，主要发生在对数期。

研究意义：揭示NIR对氮同化与蛋白合成的调控呈时间级联：生长延滞期先上调铵转运与同化（AmtB/GlnK/GlnA，第1–2天，部分差异未达显著），对数期再上调氨基酸tRNA合成酶（GltX/AspS/AlaS，第3–4天），与快速分裂期对蛋白合成的高需求一致；机制解释基于已知的RC–LH1色素吸收与电子传递，未做突变验证。

机制小结

• NIR（850 nm）光提升PSB生长、蛋白浓度与氮转化，但部分抑制总氮去除（p<0.05），而白光更利于TN去除，说明去氮与氮向蛋白的转化之间存在目标权衡。
• PSB在750–810 nm与830–890 nm的强吸收带对应细菌叶绿素a的特征峰；RC–LH1中的BChl a与BChl b分别吸收800–970 nm与960–1050 nm光，从而高效利用NIR辐射、提高电子传递链中醌/氢醌的转运效率。
• NIR下的基因表达呈时序级联：延滞期先上调铵转运与同化（AmtB转运铵、GlnK在氮源充足时保障AmtB功能、GlnA把胞内铵氮转化为谷氨酰胺），对数期再上调Glu/Asp/Ala的tRNA合成酶（GltX、AspS、AlaS，约为白光4倍），匹配快速分裂对蛋白合成的需求。
• 碳源与氮源通过TCA循环连接碳氮代谢：碳源类型与浓度调控琥珀酸脱氢酶、丙酮酸脱氢酶等关键酶，α-酮戊二酸等中间体作为桥梁影响能量产生与氮同化；就氮源而言，铵态氮还原耗能更低，因而转化为蛋白更高效。
• PHB/蛋白等产物与生长共用光能分配的框架，说明为何光类型会同时出现在三个目标的SHAP前列：光能获取效率决定可用于同化与翻译的能量通量。

工程与产业含义

• 该框架在数据稀缺条件下给出可操作的输入区间，降低了实验试错需求与人力强度，可用于PSB氮资源化过程的数据驱动决策与参数优化。
• 识别出NIR光为关键且此前被忽视的变量，为提升光利用效率、降低能耗提供方向；NIR不可见，给现场直观监测与光均匀性/强度管理带来困难，尤其在放大时。
• 框架具有可扩展性，可经机体/工艺再校准后推广到蓝细菌、微藻等其他光合微生物及更广的废水处理与资源回收系统。
• 若要放大到全规模，需与现有运行与控制基础设施无缝集成；当前数据集多样性有限，未覆盖温度、pH等极端运行条件，需扩充训练数据或用域适应提升鲁棒性。
• 框架向高盐或工业废水等不同类型废水的可迁移性尚不确定，因物化性质与训练数据差异较大，需域适应或重新训练。
• 光类型与照度同时进入最优区间（967.71–1405.56 lx），提示工程上应把光照调控与营养/负荷一并纳入过程设计与控制，而非仅按单一目标调参。

适用与不适用场景

局限与不确定性

数据 · 代码 · 经费 · 利益冲突

来源与链接

• 原文（DOI） — https://doi.org/10.1016/j.biortech.2025.132703