近日，食品与生物工程学院蒋笑笑博士在《Biotechnology Advances》（中国科学院一区TOP期刊，影响因子14.1）发表题为“Machine learning for lignocellulosic pretreatment and lignin valorization: a biomass-centered framework from process conditions to molecular design”（面向木质纤维素预处理与木质素高值化的机器学习：从工艺条件到分子设计的生物质导向分析框架）的综述论文。该论文与新加坡南洋理工大学联合发表，蒋笑笑博士为论文第一作者，蒋笑笑博士和魏涛教授为共同通讯作者。
木质纤维素生物质是生产生物燃料、生物基化学品和功能材料的重要可再生碳资源，但其预处理效果受到生物质组成与结构、溶剂化学性质及工艺条件等多重因素的共同影响，预处理仍是制约生物炼制效率的关键环节。该论文以生物质为中心，从不同预处理体系的主要影响因素出发，提出了涵盖工艺条件主导型体系与分子设计导向型溶剂体系的机器学习分析框架。文章系统梳理了机器学习在预处理效果预测、工艺条件优化、溶剂筛选及有限数据条件下实验决策等方面的研究进展，并进一步探讨了机器学习在预处理所得木质素的结构解析、反应机理建模、结构—性能关系预测及反向设计中的应用潜力。文章指出，机器学习模型的有效性不仅取决于算法本身，更取决于能否准确表征生物质异质性、溶剂化学性质及工艺条件等关键因素。该研究为机器学习在木质纤维素预处理工艺优化、绿色溶剂筛选及木质素高值化利用中的应用提供了系统的分析思路和参考。
此项研究成果得到了中国博士后科学基金、河南省科技攻关项目、棉花生物育种与综合利用全国重点实验室开放课题基金和河南省科技开发联合基金重点项目等项目资助和支持。
文章链接：https://doi.org/10.1016/j.biotechadv.2026.109038
