《TRENDS IN FOOD SCIENCE & TECHNOLOGY》:Integrating Ionic Liquids and Artificial Intelligence for Circular Agri-food Waste Valorization
离子液体(ILs)与人工智能(AI)的融合为农业食品废弃物的可持续利用提供了新途径。农业食品废弃物虽构成重大环境负担,但同时也是多酚、蛋白质、多糖和纤维等生物活性化合物的丰富来源。传统萃取方法常面临选择性低、敏感化合物降解及高能耗等问题。离子液体凭借其可调控结构、可忽略挥发性及强溶解能力,已成为处理这类残留物的有前景的溶剂。研究人员对此领域的关键机制进行了综述,包括氢键作用、π-π堆积、疏水/亲水相互作用、静电相互作用以及宏观尺度的生物质结构破坏。同时,研究人员还考察了过程强化型离子液体系统,如超声辅助、微波辅助、酶辅助及双水相辅助萃取,这些方法相较于传统方法可实现约1.2至5.4倍的产率提升。此外,研究人员讨论了机器学习、深度学习、贝叶斯优化及生成模型等AI工具在离子液体筛选、性质预测和工艺优化中的新兴应用。将离子液体与AI相结合,可推动离子液体辅助萃取从经验性试错向预测性溶剂筛选和工艺优化转变,从而提升萃取效率、选择性和生物活性稳定性。然而,AI应被视为筛选和决策支持工具,而非直接解决离子液体系统固有的成本、回收、毒性、监管及规模化障碍的方案。未来发展需将AI辅助优化与实验验证、溶剂回收研究、技术经济分析、生命周期评估以及安全/监管评价相结合,以评估离子液体辅助农业食品废弃物增值的实际工业潜力。
1. 引言
1.1. 农业食品废弃物的全球挑战与可持续需求
农业食品废弃物仍是全球可持续发展面临的重大挑战之一。据估计,全球约三分之一供人类消费的食物在供应链各环节被损耗或浪费。联合国环境规划署2024年食物浪费指数报告显示,2022年全球食物浪费量达10.5亿吨,相当于家庭、零售和餐饮服务业可获食物总量的19%。大量农业食品废弃物导致显著的环境和经济后果:环境上占全球温室气体排放的8%–10%,经济上每年造成超过9400亿美元的损失。此外,这些残留物还富含多酚、蛋白质、多糖、纤维、黄酮类和色素等生物活性分子,具有显著的营养和功能价值,可在食品、化妆品、制药和农业等领域作为宝贵原料。
传统溶剂如水、乙醇、甲醇、甘油和乳酸乙酯虽常用于提取生物活性化合物,但存在萃取效率低、环境污染风险高、热敏性化合物易降解等问题。许多食品来源的生物活性化合物对提取条件敏感,升高温度虽可促进萃取,但会增加操作成本并可能导致化合物降解,从而降低整体利润。
1.2. 离子液体在绿色增值中的潜力
为克服上述缺点,离子液体(ILs)作为新一代绿色溶剂受到日益关注。ILs为熔点通常低于100°C的有机盐,具有可忽略的蒸气压、高热稳定性和结构可调控性等独特理化性质,可最大限度减少溶剂损失和有毒排放,增强工艺安全性,并实现分子水平的靶向萃取设计。ILs在农业食品废弃物增值中展现出广泛的适用性:从植物来源残留物(如油用牡丹种子油废弃物)中回收白藜芦醇等多酚类化合物;从羊毛、羽毛、鱼鳞和金枪鱼皮等动物来源废弃物中提取角蛋白和胶原蛋白等蛋白质基材料;以及从甘蔗渣等木质纤维素废弃物中提取纤维素和半纤维素。
1.3. 研究空白与AI辅助策略的需求
尽管已有大量关于ILs在农业食品废弃物增值中应用的文献,但尚无综述系统地从预测性和AI辅助设计的角度探讨经验性IL优化策略的局限性。当前研究大多依赖逐步调整温度、pH或IL浓度以最大化产率或纯度的试错策略,难以捕捉IL组成、工艺变量与萃取行为之间复杂的非线性关系。此外,尽管IL萃取的基本机制(如氢键和π-π相互作用)已被充分理解,但将特定离子结构与萃取选择性和效率相关联的定量框架仍不完善。阳离子-阴离子配对或侧链取代的微小变化可显著影响溶剂化和分配行为,但通用的结构-性质-性能框架仍然缺失。鉴于潜在阳离子-阴离子组合超过10
14种,手动筛选不切实际,凸显了预测模型的必要性。
人工智能(AI)和机器学习(ML)正通过加速新物质发现和复杂功能系统设计来革新化学和材料科学。AI在溶剂和分子设计研究中表现出强大的预测能力:ML模型可准确预测CO
2在天然低共熔溶剂(DESs)中的溶解度;随机森林和神经网络等模型可从分子描述符和生物测定数据中检测隐藏毒性模式;深度学习流程(如DeepTox)在毒性预测方面已超越传统QSAR方法。在分子和材料设计领域,ML已成功用于预测和设计分子的溶解度、反应活性等关键特性。ILs凭借其可调控的阳离子-阴离子结构和多功能特性,是数据驱动建模的理想但具有挑战性的目标。AI已广泛应用于建模IL的关键性质(如密度、粘度、电导率和热稳定性),并通过与分子模拟相结合实现计算机辅助IL设计,用于气体吸收、催化和萃取的逆向设计。
2. IL辅助萃取的机制与稳定性
2.1. IL萃取中的微分子机制
IL的萃取行为源于离子组分与目标化合物之间的分子相互作用。当前证据表明,氢键、π-π堆积和静电吸引是IL辅助萃取高效性的主要贡献者。不同阳离子和阴离子物种的组合使IL具有可调控的极性、氢键能力和疏水性,从而影响其溶剂化强度和与生物质组分特异性相互作用的能力。
2.1.1. 离子液体中的疏水/亲水相互作用
疏水和亲水相互作用在IL行为中起关键作用,影响溶解度、选择性和萃取效率。亲水IL通常与水混溶,增强亲水性化合物的溶解度;疏水IL则与非极性物质相互作用,辅助疏水化合物的萃取。疏水组分(通常是IL阳离子上的长烷基链)可增强疏水化合物的溶解度,使IL成为从生物质中提取生物活性分子的有效工具。两亲性IL还可能形成胶束聚集体,进一步增强非极性分子的选择性溶解和萃取。
2.1.1.1. 氢键
在亲水相互作用中,氢键通过使IL离子与生物质衍生化合物的极性官能团之间形成强而定向的相互作用而发挥主导作用,从而显著提高萃取效率。在大多数情况下,阴离子作为氢键受体,与溶质分子及生物质中多糖链上的羟基、羧基或酰胺基团形成强缔合。这些相互作用削弱或取代了稳定纤维素和酚类聚合物的原始氢键网络,从而降低结晶度并增强溶剂可及性。例如,乙酸盐基IL [Emim][OAc]通过破坏纤维素链之间的致密氢键有效溶解木材,而氯化物基IL [Bmim][Cl]同样通过破坏木质纤维素残留物中的氢键网络来促进萃取。
2.1.1.2. π-π堆积相互作用
在疏水相互作用中,π-π堆积在芳香性IL的萃取能力中起关键作用。芳香性IL与芳香溶质(如生物碱和酚类)形成π-π相互作用的能力,增强了溶剂化和萃取效率。例如,乙基吡啶溴盐([EPy]Br)被用于从褐藻中提取碘化酪氨酸衍生物,其中吡啶环与目标分子苯环之间的π-π堆积增强了分子识别并稳定了IL-溶质复合物。然而,π-π堆积很少单独起作用,通常与氢键和库仑力协同作用。
2.1.2. 静电相互作用
静电相互作用通过影响溶质溶解度和从基质中的释放来影响IL萃取效率,尤其对极性或带电化合物尤为重要。IL阳离子与负电荷基团(如羧基或酰胺基)之间的吸引可增加溶质溶解度和萃取效率。例如,[N1152OH][TEMPO-OSO
3]被用于从黄连中提取盐酸小檗碱,其中阴离子基团与阳离子小檗碱分子之间的强静电吸引显著提高了分配系数和萃取效率。此外,在IL/双水相系统中,[Bmim][Cl]与K
2HPO
4组合可通过静电相互作用从人尿中提取蛋白质。
2.1.3. IL辅助萃取中相互作用机制的局限性与相互影响
尽管上述相互作用共同贡献了IL的强大萃取性能,但各有局限:疏水/亲水相互作用虽影响溶解度和相行为,但单独依靠不足以实现普遍选择性;氢键虽可促进生物质破坏和溶质溶解,但过强的氢键介导相互作用可能阻碍反萃取产物分离;π-π堆积主要针对富含π电子的芳香溶质,系统特异性强;静电相互作用则高度依赖于pH、离子强度、离子价态等条件参数。实践中,这些模式很少独立作用,而是同时发生并产生综合效应。
2.2. 离子液体萃取中的宏观生物质结构破坏
分子层面的疏水/亲水相互作用和静电作用力直接导致宏观效应:ILs渗透并破坏生物质结构,改变细胞架构和表面形貌。这种宏观破坏对于分解生物质和改善生物活性化合物的传质至关重要。扫描电子显微镜(SEM)分析显示,IL处理后茶叶废弃物表面更加多孔、质地粗糙,而瓜拉纳种子经IL处理后表面孔隙度增加、细胞完整性受损,均有利于目标化合物的高效释放。此外,IL溶解木质纤维素生物质后进行电纺丝可显著改变纤维形态,而IL双水相系统中的微尺度结构可促进疏水化合物的更好相分离和选择性增强。
2.3. 回收生物活性物的稳定性与保存
ILs不仅可改善萃取,还能更好地保持生物活性化合物的稳定性。研究表明,ILs在维持蛋白质、酶和多酚类化合物稳定性方面尤为有效。咪唑鎓和胆碱基IL系统可通过减少储存和处理过程中的结构降解来稳定蛋白质,通过改变周围溶剂环境和蛋白质-溶剂相互作用来防止蛋白质解折叠和聚集。在茶叶废弃物多酚提取中,ILs不仅提供更高萃取产率,还能主动抑制热敏性多酚的化学降解,特别是显著抑制表没食子儿茶素没食子酸酯(EGCG)和表儿茶素(EC)等关键儿茶素的热降解和氧化降解。类似地,胆碱基ILs可通过静电相互作用维持双链DNA(dsDNA)的B型构象,而适当设计的ILs可调节溶剂环境以保存核酸的结构完整性。
3. 离子液体在农业食品废弃物增值中的应用
3.1. 农业食品废弃物中的生物活性化合物:来源与IL应用
农业食品废弃物残留物(即水果、蔬菜和其他农业加工的副产品和残渣)含有多种生物活性化合物,具有高回收潜力和可持续应用价值。例如:柑橘和柚子皮中的果胶可使用[HO
3S(CH
2)
4mim][HSO
4]提取;玉米秸秆和甘蔗渣中的纤维素和半纤维素可使用[HMIM][H
2PO
4]等IL高效提取;葡萄渣中的花青素使用[Bmim][HSO
4]或[C
2mim][OAc]提取,产率可比水提取提高约3.5倍。动物副产品如蚕蛹、金枪鱼皮、羊毛和水牛皮富含蛋白质和糖胺聚糖(GAGs),其中胶原蛋白从金枪鱼皮中使用[Ch][DHC]提取,角蛋白从羊毛中使用[Bmim][Cl]等提取,而甲壳类壳中的几丁质使用[C
2C
1im][CH
3COO]提取可达200 mg/g的产率。
3.2. IL萃取中的工艺整合与效率提升
为最大化萃取效率和选择性,ILs常与其他物理场辅助或生化技术整合以加速传质、促进细胞壁破坏和增强分子可及性。
3.2.1. 物理场辅助IL基萃取(UAE/MAE/UMAE)
超声产生空化、微射流和局部剪切力,可破坏致密生物结构并缩短扩散路径。例如,金枪鱼皮废弃物中的I型胶原蛋白使用Triton X-100和[Ch][DHC]的双水相系统,在超声辅助下产率达166.1 mg/g,约为常规乙酸萃取的1.6倍,同时保持胶原蛋白三螺旋结构。玉米秸秆半纤维素使用[H-MIM]系列ILs在400W超声、70°C下萃取,产率达167–189 mg/g,避免了传统酸碱萃取导致的半纤维素降解。柚子皮果胶使用[HO
3S(CH
2)
4mim][HSO
4]的超声-微波辅助萃取(UMAE),在约360W条件下15分钟获得328.64 mg/g的产率,相对于水提取提高约3.6倍。
3.2.2. 化学或生化辅助IL基萃取(盐/酶/ATPS/共溶剂)
酶辅助IL系统可提供额外选择性,因酶可水解结构性多糖或释放结合态目标化合物。例如,牡丹籽油提取残渣中的反式白藜芦醇使用[C
4mim][BF
4]与纤维素酶/果胶酶(1:1,w/w)组合,酶同时具有松动细胞壁骨架和将白藜芦醇苷水解为游离反式白藜芦醇的双重功能,产率约1.25 mg/g,比乙醇萃取高约5.4倍。
对于结构坚固的蛋白质质废弃物,IL-盐辅助策略尤为有效。例如,从羊毛、人发和羽毛中回收角蛋白使用[Bmim][Cl]等IL与亚硫酸钠(Na
2SO
3)组合,IL破坏氢键并溶胀角蛋白基质,Na
2SO
3断裂二硫键,产率达570–785 mg/g,约为NaOH水溶液萃取的3倍。对于甘蔗渣等木质纤维素废弃物,[BMIM][AlCl
4]与乳酸(LA)以1:3摩尔比组合,有机酸溶胀基质,Lewis酸性IL断裂木质素-碳水化合物连接键,纤维素产率约212 mg/g,比传统水处理提高约1.7倍。
3.2.3. 耦合IL基萃取策略的比较优势与局限性
物理场辅助系统主要增强细胞破坏和传质,缩短萃取时间并提高效率;酶辅助IL系统提供额外选择性,可在温和条件下改善可及性;IL基双水相和化学辅助系统可改善相分配、减少扩散障碍或促进选择性分离。然而,物理强化可能面临能量分布不均、设备成本和规模化挑战;酶辅助系统受酶成本、活性和兼容性限制;化学辅助系统则涉及更高配方复杂性和下游分离需求。最适合的耦合策略应因应用而异,需平衡萃取效率、选择性、溶剂可回收性、工艺复杂性和实际可行性。
3.3. IL基萃取面临的挑战与智能化优化路径
3.3.1. IL基萃取的复杂性与经验优化的局限
当前优化仍大量依赖重复实验试错来验证参数组合和溶剂组成,耗时耗资源且难以推广。这种局限性在IL基系统中尤为突出,因为萃取性能受IL结构、生物质特性、辅助技术和操作条件共同影响,常呈非线性和系统特异性。
3.3.2. 经济可行性:IL成本、回收与技术经济约束
IL基萃取的实际部署取决于经济可行性。常见咪唑鎓基IL [Emim][OAc]的批量生产价格约为20–101美元/kg,而常规有机溶剂仅约1.03–1.54美元/kg。主要瓶颈是溶剂回收和再利用:因ILs一般有可忽略的蒸气压和高热稳定性,无法通过简单蒸发回收,常需萃取、吸附、膜分离或电渗析等下游操作,增加能耗和资本投入。技术经济分析(TEA)至关重要,因为IL基萃取的可行性不仅取决于产率,还取决于溶剂回收率、循环能耗和最终产品价值。
3.3.3. 环境与工业可行性:生命周期负担、安全性和规模化障碍
尽管ILs因可忽略蒸气压常被称为"绿色溶剂",但IL合成可能是主要环境热点,因多步生产、纯化和干燥操作能耗高,化石来源原料或氟化离子可能增加环境负担和生态毒性关注。此外,不完全回收可能导致废水中残留ILs,引发持久性、生物降解性和生态毒性问题,加之食品相关应用中大多数ILs缺乏明确监管接受度和工业规模验证,构成重大挑战。因此,需将萃取性能与TEA、LCA、安全评价和规模化证据相结合进行现实评估。
4. AI辅助IL筛选和过程优化
方法论演进可分为三个阶段:第一阶段为基于物理和机理的计算模型(如分子动力学MD、量子化学QC计算、COSMO-RS、QSAR/QSPR),为理解IL行为奠定基础但面临可扩展性和适应性限制;第二阶段为数据驱动的机器学习模型(如SVM、RF、ANN),从统计学习角度捕获结构-性质关系,在有足够数据时实现更快速准确的预测;第三阶段为AI驱动优化和生成模型(如BO、VAEs、GANs),整合预测模型与搜索或生成策略,实现针对特定性能的新型IL靶向设计。
4.1. 传统计算模型:IL研究的基础方法
这些模型基于物理定律和半经验框架模拟IL分子间相互作用并预测热力学性质。MD模拟广泛用于阐明IL如何促进木质素等复杂生物聚合物的溶解;COSMO-RS在预测IL混合物性质(如溶解度和活度系数)方面显示出高精度;QSAR/QSPR模型建立分子描述符与IL性质(如粘度、熔点和毒性)之间的相关性。然而,这些方法存在局限:COSMO-RS需对每个IL进行单独的量子化学计算,计算成本高;QSAR/QSPR受限于现有实验数据的质量和范围。
4.2. 机器学习模型:提升IL预测准确性
ML模型从大数据集中学习IL结构与宏观性质之间的关系,比传统方法更高效、可扩展和适应性强。SVM和RF已成功应用于预测各种IL家族的关键性质(如粘度、表面张力和密度),比MD模拟或COSMO-RS更灵活。ANN能够捕获复杂热力学性质背后的高度非线性关系,如预测无限稀释活度系数(γ
∞)。混合模型结合统计学习与分子结构数据,如Baran等使用梯度提升(GB)和RF结合IL分子描述符和指纹建模草本生物质木质素萃取产率,实现了萃取效率的准确预测。
4.3. AI驱动优化:增强IL设计与发现
近期AI驱动优化和生成建模正在重塑IL设计。结合深度学习模型与优化技术(如BO、VAEs、GANs)可实现对阳离子-阴离子设计空间的高效探索和IL性质的靶向优化。例如,Qu等开发了集成循环神经网络与蒙特卡洛树搜索的机器学习生成-筛选框架,构建大规模虚拟IL库,结合纤维素溶解度和熔点预测模型识别实际相关候选物;Lemaoui等证明集成深度学习模型能够同时预测30万种以上ILs的多项性质,实现多性能约束下的高效逆向设计;J. Zhang等提出结合分层分子生成模型与COSMO热力学计算的深度学习框架,在技术、环境和经济多指标约束下设计更绿色的萃取精馏溶剂;X. Chen等结合VAE、神经网络性质预测器和粒子群优化探索增强CO
2溶解度的IL化学空间。
与传统方法相比,AI驱动策略具有多重优势:可直接在分子图或SMILES字符串上操作,访问更广泛的化学空间;可从大数据中学习,捕获传统线性或半经验模型难以表示的非线性和耦合性质关系;实现目标驱动的逆向搜索而非仅前向预测;天然适合多目标优化(性能、可加工性、环境指标),这对生物质分离或食品废弃物增值等复杂系统尤为关键。
5. 农业食品废弃物增值中IL应用优化的建模方法
多种ML和AI驱动模型在优化IL应用于农业食品废弃物增值中发挥互补作用。GNN模型被开发用于预测溶质在ILs中的温度依赖性无限稀释活度系数,为溶剂筛选和工艺优化提供数据基础;Mai和Koo使用QSAR模型和遗传算法(GA)设计具有优异纤维素溶解度的IL;Sanchez Medina等开发了Gibbs-Helmholtz图神经网络(GH-GNN),基于超过40,000个实验数据点预测复杂溶剂系统(含ILs)中溶质的温度依赖活度系数;Darwish等展示了ML驱动的高通量筛选结合COSMO-RS可高效评估2,500种IL用于生物质衍生糠醛回收,快速识别具有有利热力学和分子相互作用描述符的IL。
然而,预测性优化本身并不能保证更低的环境影响或工业可行性,此类声明需通过溶剂回收实验、TEA、LCA和安全评估来验证。AI的实际工业价值取决于其是否能支持溶剂选择、工艺条件优化、回收再利用评估、毒性筛选、环境评价和规模化优先级排序等方面的可行性导向决策。
6. 结论与未来展望
随着AI的快速发展,IL辅助农业食品废弃物增值正变得更加预测性,减少对经验性试错的依赖。然而,AI辅助优化应被视为决策支持框架,而非直接解决IL基系统基本技术经济、环境、监管和规模化障碍的方案。IL的萃取优势源于其独特的分子相互作用、破坏生物质的能力和保存敏感生物活性物的能力;IL基系统虽已显示出从农业食品废弃物中回收有价值化合物的潜力,但其更广泛应用仍受溶剂成本、回收再利用挑战、生命周期负担、毒理学不确定性、监管障碍和有限工业规模验证的制约。
AI和ML方法可以加速溶剂筛选、性质预测和工艺优化,但其实际价值取决于成本、回收效率、循环稳定性、毒性、LCA、TEA和规模化约束是否被明确纳入模型目标。AI整合使IL发展从试错实验转向数据驱动的溶剂结构和工艺参数预测、设计和优化,可嵌入IL基农业食品废弃物增值的多个阶段:目标导向筛选加速识别针对特定废物流的有效ILs;过程建模和参数优化提升萃取效率和操作稳健性;回收和再利用优化减少溶剂损失并提高回收效率;与机理理解结合实现更具选择性、低毒性的IL设计。
未来需将AI不仅与IL筛选、萃取参数优化和溶剂设计相结合,还与TEA、LCA和安全导向评价框架相结合。结合预测模型与机理理解可进一步改善任务特异性IL的选择。同时,更广泛应用仍需密切关注溶剂回收、毒理学安全、环境负担、监管可行性和实际规模化。若有实验验证和工业相关评估的支持,AI辅助IL萃取可能为可持续、靶向且可实际部署的农业食品废弃物增值提供更有效途径。