文献分享—TFST|农业-工业谷物废弃物与副产物的发酵法高值化利用

全球谷物加工每年产生数亿吨副产物——麦麸、米糠、稻壳、啤酒糟（BSG）、玉米秸秆等。这些富含蛋白质、膳食纤维、多酚、维生素和矿物质的废弃物，目前大量仍通过焚烧、填埋或仅用于低值化利用（如动物饲料）处理，不仅造成资源浪费，还加剧温室气体排放和土壤退化。

与此同时，全球对可持续资源管理和循环生物经济的需求日益迫切。联合国可持续发展目标（SDGs）明确提出减少食物浪费、推动负责任消费和生产、实现零饥饿以及气候行动。在这一背景下，将谷物加工副产物从"环境负担"转化为"高值资源"，成为食品科学与生物技术交叉领域的重要研究方向。

发酵技术作为一种绿色、高效的生物转化手段，能够利用细菌、真菌和酵母等微生物，将谷物废弃物中的多糖、蛋白质和酚类化合物转化为乙醇、有机酸、酶制剂、生物活性肽和功能性配料。然而，现有研究多聚焦于单一副产物或单一技术，缺乏对谷物废弃物发酵增值路径的系统整合，尤其是固态发酵（SSF）与液态发酵（SmF）的对比、不同微生物策略的协同，以及人工智能（AI）和机器学习（ML）在发酵优化中的新兴应用。本综述正是围绕这一核心问题，全面梳理了谷物废弃物的组成特性、发酵增值技术、功能产物开发、产业应用前景及可持续发展贡献。

1. 谷物废弃物来源与组成

谷物加工产生两类主要残余物：高值副产物和低值废弃物。高值副产物包括麦麸、胚芽、啤酒糟等，富含蛋白质、膳食纤维和生物活性物质；低值废弃物如稻壳、秸秆等，营养密度较低，多用于能源生产。以小麦为例，碾磨产生15–20%麦麸；稻谷加工则产生稻壳、米糠、胚芽等多种副产物，三者合计占比可观。这些副产物的共同特点是营养成分富集于外层组织（麸皮、胚芽），但受细胞壁束缚，生物可及性低。

2. 发酵技术策略

固态发酵（SSF）是在低水分（20–70%）条件下，微生物在固体基质表面生长代谢的过程。其优势在于水分和能耗低、产物浓度高、适合释放结合态酚类，是麸皮、稻壳等纤维质副产物增值的首选。液态发酵（SmF）则在游离液体培养基中进行，便于精确控制pH、溶氧和温度，适合规模化生产酶制剂、有机酸和生物乙醇。此外，混合发酵（SSF+SmF联用）和共培养发酵（多菌种协同）作为新兴策略，能够提升底物利用效率和代谢产物的多样性。

3. 微生物作用机制

不同微生物在谷物副产物发酵中承担不同功能。乳酸菌主要用于改善酸度、风味和营养品质，并产生有机酸、胞外多糖等代谢物；酵母可利用可发酵糖生成乙醇和风味物质；丝状真菌具有较强的酶分泌能力，适合降解木质纤维素结构并释放结合态多酚；芽孢杆菌则可促进蛋白质水解，并产生γ-聚谷氨酸等高附加值产物。

因此，发酵不是简单消耗副产物，而是通过微生物酶系和代谢途径实现结构降解、成分释放和功能重塑。

4. 功能产物开发

发酵的核心目标是提升谷物副产物的营养与功能价值。主要包括：提高蛋白质溶解度和消化率，释放阿魏酸、对香豆酸等结合态酚类化合物，增强抗氧化活性；降低植酸、单宁等抗营养因子，提高矿物质生物利用率；同时生成γ-氨基丁酸、短链脂肪酸、胞外多糖、有机酸、益生元低聚糖和生物活性肽等功能性产物。

这些变化使谷物副产物从低值加工残余物转变为功能食品配料和生物制造原料。

5. 应用前景与智能化优化

在应用层面，发酵谷物副产物可用于开发高纤维面包、功能饼干、谷物饮料、植物基食品、益生元配料、生物乙醇、有机酸、酶制剂、生物塑料和其他生物基材料。

文章最后也指出，当前仍存在底物组成差异大、预处理成本高、放大困难和经济可行性不足等问题。未来可结合多组学、人工智能（AI）和机器学习（ML）等工具，对发酵过程进行预测、建模和动态优化，推动谷物副产物高值化从实验室研究走向产业应用。

1. 谷物副产物的营养宝库：被细胞壁"锁住"的价值

谷物麸皮和糠壳是膳食纤维（>50%干重）、蛋白质和生物活性化合物的集中载体。小麦麸皮含阿拉伯木聚糖（AX）18–24%、阿魏酸占酚类总量的85–91%；米糠富含酚类化合物、生育酚和植物甾醇等脂溶性活性成分；啤酒糟含约70%膳食纤维和20%蛋白质，其中赖氨酸和hordein含量丰富；燕麦麸皮含β-葡聚糖5.4–8.5%，具有免疫调节和降胆固醇功能。

然而，这些营养成分大多以"结合态"存在于木质纤维素基质中。纤维素、半纤维素和木质素形成致密网络，使蛋白质、酚类和矿物质难以释放。因此，谷物副产物高值化的关键并不只是"它含有什么"，而是"如何把其中的功能成分释放出来"。

图1 谷物加工方法（干法碾磨、湿法碾磨、制麦）及主要副产物来源

2. 发酵技术：从结构破坏到功能激活

发酵是谷物副产物高值化利用的核心技术。发酵过程中，细菌、真菌和酵母等微生物可以产生多种酶类，包括纤维素酶、木聚糖酶、蛋白酶、β-葡萄糖苷酶和阿魏酸酯酶等。这些酶能够破坏谷物副产物中的复杂细胞壁结构，促进蛋白质、多酚和膳食纤维组分释放。

发酵的作用主要体现在三个层面：第一，结构降解。微生物酶系可以降解纤维素、半纤维素和木质素结构，提高底物可及性。第二，成分释放。结合态多酚、可溶性膳食纤维、低聚糖和小分子肽等成分在发酵过程中被释放或生成。第三，功能提升。发酵后谷物副产物的抗氧化活性、蛋白消化率、矿物质生物利用率和风味品质均可得到改善。

因此，发酵不是简单处理副产物，而是对其进行"营养释放"和"功能激活"。

图2 基于发酵的谷物废弃物综合增值路径。

3. SSF 与 SmF：两类主要发酵路线

发酵技术的选择直接决定谷物副产物的转化效率与产物导向。目前，固态发酵（SSF）和液态发酵（SmF）构成两大核心体系，二者在底物适应性、过程控制和产物特征上形成互补。

固态发酵是在低水分条件下，微生物在固体基质上生长代谢。该体系更适合麦麸、米糠、稻壳和啤酒糟等固体副产物。其优势是用水量低、能耗低、产物浓度高，并且有利于真菌分泌降解酶，从而促进结合态多酚释放和膳食纤维功能改善。

液态发酵则是在含游离液体的培养体系中进行。其优势是pH、温度、溶氧和搅拌条件更容易控制，因此更适合工业化生产有机酸、生物乙醇、酶制剂、微生物蛋白和其他代谢产物。

简言之，SSF更擅长固体副产物的"功能改良"——在保留纤维基质结构的同时，提升营养可及性和生物活性；SmF更擅长代谢产物的"精准制造"——在可控环境中实现目标化合物的高效合成。

实际应用中，二者并非割裂：混合发酵（SSF+SmF联用）先以SSF完成固体底物的初步酶解和结构松散化，再以SmF进行液态深度转化，可协同提升底物利用率和产物得率。此外，共培养发酵（多菌种协同）、预处理辅助发酵（超声/挤压/蒸汽爆破+发酵）等策略进一步拓展了技术边界，为复杂木质纤维素底物的高值化利用提供了更灵活的工艺选择。

图3 应用于谷物副产物增值的发酵系统概览，包括SSF、SmF、混合发酵和共培养发酵四种模式。

4. 微生物策略：不同菌种对应不同目标

不同微生物在谷物副产物发酵中发挥不同的作用。

乳酸菌主要用于改善酸度、风味和营养品质，并可产生有机酸、胞外多糖和部分功能代谢物。酵母可以利用谷物水解液中的可发酵糖，生成乙醇和风味物质，也有助于改善发酵食品香气。丝状真菌具有较强的酶分泌能力，能够产生纤维素酶、木聚糖酶、蛋白酶、漆酶和阿魏酸酯酶等，适合降解木质纤维素结构，并释放结合态多酚和可溶性膳食纤维。芽孢杆菌则可促进蛋白水解，提高蛋白溶解性，并生产γ-聚谷氨酸等高附加值生物聚合物。

因此，不同微生物并不是简单替换关系，而是对应不同发酵目标：想释放多酚，可以侧重真菌酶系；想改善风味，可以考虑乳酸菌和酵母；想提高蛋白利用率，可以关注芽孢杆菌和蛋白酶产生菌；想生产生物能源或有机酸，则需要根据底物糖化程度选择相应菌株。

图4 微生物发酵将谷物废弃物制成具有增强营养、抗氧化和益生元特性的功能性成分。

5. 功能产物与产业应用：从实验室到市场

发酵增值的谷物副产物已形成多元化的应用图谱。

在食品领域，发酵啤酒糟适量替代面粉（如≤10%）制作酸面团面包，可改善质地、酸度和微生物存活率，并保持较好的感官接受度；发酵米糠用于酸奶，预发酵添加可减少乳清析出至6.86%，增强凝胶致密性和游离酚释放；发酵谷物副产物也可用于制作高纤意面、植物基零食和无乳酸奶，显著降低预测血糖指数，同时提高膳食纤维和蛋白含量。

在工业领域，小麦麸皮和稻壳可作为底物生产纤维素酶、木聚糖酶等工业酶制剂；发酵残渣可进一步转化为生物肥料或用于生物能源生产，实现养分回田与资源闭环。

6. AI与ML赋能：智能发酵的新时代

人工智能和机器学习正深刻改变发酵工艺的优化范式。传统响应面法（RSM）和动力学模型（白箱模型）难以处理发酵过程中温度、pH、通气、底物浓度等变量的非线性动态交互。本综述特别指出，从传统机制模型向"数据驱动+机制混合模型"转变，是当前发酵工程优化的关键趋势。

AI/ML通过数据驱动建模，实现实时监测、预测控制和自适应优化。监督学习算法如随机森林（RF）、人工神经网络（ANN）、支持向量机（SVM）和梯度提升模型（GBM），可基于实验数据集预测生物量、代谢物和产物产量。XGBoost算法优化酿酒酵母启动子组合，使乙醇产量在30°C提升63%、40°C提升7.4%。遗传算法（GA）与ANN集成模型优化Lacticaseibacillus casei发酵，活细胞密度提升9%。

无监督学习如主成分分析（PCA）和K-means聚类，帮助识别微生物互作模式和过程异质性。强化学习（RL）调控生物反应器温度、pH和搅拌，缩短周期60%，减少故障40%。AI辅助CRISPR微生物工程使替代蛋白发酵产量提升300%。

常用工具平台包括MATLAB机器学习工具箱、Python生态（TensorFlow、PyTorch、Scikit-learn、XGBoost）、ANSYS Fluent和COMSOL Multiphysics（CFD-ML集成）以及SuperPro Designer（过程模拟）。

然而，AI模型在发酵领域的应用仍面临高质量多组学数据稀缺、黑箱模型可解释性不足、IoT/PAT/AI平台间通信协议不统一等挑战。发展可解释AI（XAI）、自适应自优化控制系统和多尺度混合建模框架，是推动智能发酵工业化的关键。

本综述从谷物副产物组成、发酵技术体系、功能产物开发、产业应用和AI赋能等维度，系统构建了农业废弃物发酵增值的知识框架。核心观点在于：谷物加工副产物并非"废弃物"，而是被低效利用的"营养资源库"。通过精准的发酵策略，这些资源可以转化为功能性食品配料、生物能源、工业酶制剂和生物基材料，实现从线性经济到循环生物经济的范式转变。

核心启示：

1） 谷物副产物的价值不在于"剩余"，而在于能否被有效释放和转化。这些副产物本身富含营养和活性成分，但需要通过预处理与发酵协同，突破细胞壁和木质纤维素结构限制。

2） 发酵是连接低值原料和高值产品的关键技术。不同微生物和发酵体系可以分别用于多酚释放、蛋白改良、抗营养因子降低、风味改善和功能产物生成。

3） 功能导向是发酵增值的核心目标。改善蛋白品质、释放抗氧化多酚、降解植酸与单宁以提升矿物质生物利用率，并部分脱毒。需注意，这些效应并非普适，而是取决于底物与菌株的组合。

4） AI/ML为发酵优化提供精准工具。从预测建模到实时控制，数据驱动方法正在重塑工艺开发模式，但模型可解释性和数据标准化仍是瓶颈。原文特别强调，未来应推动白箱机制模型与黑箱ML模型的融合，构建可解释、可放大的混合智能框架。

5） 产业转化需跨学科协同。技术放大、经济可行性、监管框架和消费者接受度是推进商业化的关键制约，组合式生物炼制系统是未来方向。

全文链接：https://doi.org/10.1016/j.tifs.2025.105464