随着人口的不断增长和人们对能源、高品质食品需求的不断提高,微藻因其较高的油脂累积量及丰富的代谢产品而受到越来越多的关注。与普通作物不同,多数微藻重要的代谢产物如油脂、脂肪酸及类胡萝卜素等均是微藻在逆境胁迫下累积获得。无机盐胁迫是目前获得这些有用有机物的最主要的方法之一。为实现微藻产品的高效累积,培养环境的优化和高产藻株的培育十分必要。深入理解无机盐胁迫下微藻的代谢机制、实现胁迫过程中应激指标、代谢产物的监测将有助于动态的调控微藻生长环境,保证微藻产品的高效生产,加速高产微藻藻株的研发和应用。本研究以实现微藻脂类产物的高效累积,促进微藻脂类产物的综合开发利用为目标,结合同位素示踪法、电化学分析技术、高光谱成像技术和拉曼光谱技术对无机盐胁迫下的微藻进行了代谢机制以及主要成分检测方法的研究。借助同位素标记法,对氮无机盐缺乏胁迫下微藻主要脂肪酸的合成途径进行了分析,探索了无机盐胁迫过程中微藻主要有机成分的变化,实现了拉曼光谱结合同位素的微藻代谢物可视化示踪。研究利用电化学分析方法,实现了宏观及微观尺度的微藻胞外过氧化氢含量的检测,结合拉曼光谱和特征提取方法,实现了胁迫过程中微藻主要成分的拉曼成像研究。基于高光谱成像技术,实现了微藻总油脂含量的检测,提出了微藻油脂累积分布的可视化分析方法。分析了氮无机盐缺乏胁迫下微藻脂肪酸含量随胁迫时间及胁迫程度的变化规律,结合可见/近红外高光谱成像,实现了脂肪酸含量的预测及主要脂肪酸的分布可视化。文章的主要结论如下:（1）利用13C同位素实现了氮缺乏胁迫过程中微藻主要脂肪酸合成途径的分析,并结合拉曼光谱提出了一种胁迫过程中微藻主要成分的可视化示踪方法。通过高分辨质谱跟踪分析了氮无机盐缺乏胁迫下微藻碳原子的流向及分布变化,揭示了胁迫下微藻脂肪酸的潜在合成途径,发现氮缺乏胁迫下微藻棕榈酸主要从头合成而亚麻酸等多不饱和脂肪酸的累积主要与非从头合成途径相关。结合化学分析方法和傅里叶红外光谱分析方法,对氮缺乏胁迫下斜生四链藻主要成分的变化进行了研究,发现总油脂和总淀粉的含量均会在胁迫过程中得到大量的累积。胁迫后过氧化氢水平上升,表明氮缺乏胁迫会导致微藻产生氧化应激。通过分析同位素标记的傅里叶红外光谱和拉曼光谱,发现部分含碳化合物,如油脂、类胡萝卜素等有机分子的特征峰发生了红移现象,表明13C同位素通过代谢,流向这些代谢产物。研究进一步结合拉曼特征峰的红移现象,实现了类胡萝卜素分布的可视化。相比于传统的仅依靠特征峰值的拉曼成像,该方法鲁棒性更好,同时还可以提供这些有机分子在胞内的分布信息。（2）通过电化学分析方法,实现了微藻氧化应激重要指标过氧化氢在细胞群体及单个细胞水平的实时追踪。利用标准过氧化氢建立的过氧化氢浓度-电流响应标准曲线线性度良好,R~2可达0.9624。通过所提检测方法,分析了不同镉离子胁迫程度对细胞氧化应激水平的影响,发现微藻胞外过氧化氢含量随胁迫程度火山曲线关系。通过结合细胞表型技术和拉曼光谱成像技术,对不同程度胁迫对细胞的影响进行了研究。利用连续投影算法（SPA）所提特征波数,建立了基于拉曼光谱的胁迫浓度定量分析模型,决定系数R~2可达0.8383。基于SPA所提波段,分析了不同胁迫程度下微藻主要成分的变化,实现了镉离子胁迫下微藻主要代谢成分变化的可视化。研究进一步结合蛋白组学技术,对不同浓度镉离子胁迫下微藻的氧化应激机制进行了分析。（3）基于高光谱成像技术的微藻培养过程中总油脂含量原位、可视化检测方法研究。研究采用透射成像法结合对照样本校正以去除水分子对近红外光谱的影响。提取了样本感兴趣区域内平均光谱数据,分别建立了基于全光谱、竞争性自适应重加权算法（CARS）/连续投影算法提取特征的总油脂预测模型。结果发现,基于Savitzky-Golay平滑-CARS-MLR的模型预测效果最好,预测集相关系数可达Rp=0.9419。基于最优模型,进一步实现了微藻总油脂分布的可视化。该方法对于微藻的培养过程中最佳收获窗口期的确定、高产藻株的培育具有重要意义。（4）微藻油脂的综合开发利用是微藻利用的必然趋势,脂肪酸的含量及组成决定了微藻油脂的应用潜力。研究结合气相-质谱技术、可见/近红外高光谱成像技术,对氮无机盐缺乏胁迫下斜生四链藻的脂肪酸含量变化进行了分析,实现了微藻脂肪酸含量的快速无损检测。通过比较微藻脂肪酸含量随胁迫天数及不同胁迫程度的变化,研究发现不同的胁迫程度对微藻脂肪酸的组成有一定影响,通过调控氮缺乏胁迫程度和收获时间可以有效地控制微藻脂肪酸的累积方向。在完全氮缺乏胁迫下斜生四链藻油酸（C18:1）含量会在胁迫末期得到明显累积,而轻度氮缺乏胁迫则会诱使微藻获得更多的多不饱和脂肪酸如（C16:4）。基于高光谱成像技术,研究建立了斜生四链藻脂肪酸含量的预测模型。结果发现,肉豆蔻酸（C14:0）、棕榈酸（C16:0）、油酸（C18:1）和亚油酸（C18:2）的可见/近红外高光谱预测模型均取得了非常好的预测效果,R~2均达到了0.9以上。其中肉豆蔻酸（C14:0）的神经网络模型效果最佳,而棕榈酸（C16:0）、油酸（C18:1）和亚油酸（C18:2）的CARS-MLR模型预测效果最好。剩余一些脂肪酸,如月桂酸（C12:0）,预测效果略差一些,可能与这些脂肪酸在可见/近红外波段光谱特征比较少有关。研究还对斜生四链藻两种重要的脂肪酸,棕榈酸（C16:0）及油酸（C18:1）进行了可视化,取得了对脂肪酸累积情况更为直观的评估效果。该研究可以实现实际培养过程中微藻脂肪酸产量的实时检测,为微藻培养过程中培养决策的实时调整提供理论依据和方法支持。