Američtí vědci zkrátili screening vzácných zemin z let na týdny: Klíč k silnějším dodavatelským řetězcům elektroniky

Vědci z americké Lawrence Livermore National Laboratory (LLNL) vyvinuli novou vysokokapacitní biologickou platformu, která by mohla výrazně urychlit hledání materiálů pro separaci vzácných zemin.

Vědci z americké Lawrence Livermore National Laboratory (LLNL) vyvinuli novou vysokokapacitní biologickou platformu, která by mohla výrazně urychlit hledání materiálů pro separaci vzácných zemin. Jde o klíčový krok k posílení dodavatelských řetězců pro elektroniku, baterie a magnety.

Tým LLNL využívá přirozeně se vyskytující bakteriální proteiny, známé jako lanmodulin, k izolaci a studiu vzácných zemin. Tyto proteiny se vyvinuly v mikrobech, které vzácné zeminy využívají ve svém metabolismu. Cílem je přeměnit tuto biologickou schopnost na škálovatelný nástroj pro průmyslovou separaci kovů. Tradiční metody screeningu proteinů jsou však pomalé, protože vědci obvykle testují kandidáty jeden po druhém, což činí rozsáhlé objevy nepraktickými.

Nová platforma, nazvaná SpyTag-Catcher Immobilization of Lanmodulin for Assaying Metal-Binding Selectivity (SpyCI-LAMBS) a přezdívaná „spicy lambs“, tento proces mění. Umožňuje paralelní screening stovek proteinových variant v jednom cyklu. Díky tomu se podařilo shromáždit data pro 600 proteinů za pouhý měsíc, což by běžným procesem trvalo tři až pět let. Systém funguje tak, že k upraveným proteinům připojuje speciální značky, které jim umožňují automaticky se vázat na pevný povrch, čímž se eliminuje potřeba složitých purifikačních kroků, které obvykle experimenty zpomalují.

Pomocí 96jamkových destiček mohou vědci nyní paralelně testovat desítky variant lanmodulinu proti vzácným zeminám. Současně lze spouštět více destiček, což umožňuje rozsáhlé mapování chování vazby kovů. Tým identifikoval osm odlišných proteinových skupin s různými vzorci selektivity pro vzácné zeminy. Jedna skupina s více než 200 variantami prokázala zlepšený výkon při separaci lehkých vzácných zemin, což je klíčová výzva při rafinaci kritických materiálů. Některé upravené proteiny dokonce dokázaly separaci dokončit v jediném kroku, což snižuje složitost procesu.

Generovaná data se také používají k trénování modelů strojového učení, které předpovídají, jak se proteiny budou chovat, ještě předtím, než jsou fyzicky testovány. Kombinací biologie s datovou vědou se vědci snaží navrhovat proteiny s cílenými vlastnostmi vazby na kovy, namísto jejich objevování metodou pokus-omyl. Platforma se může rozšířit i mimo vzácné zeminy, přičemž vědci zkoumají její aplikace u dalších kritických kovů. Tento přístup snižuje náklady na neúspěch a umožňuje testování odvážných nápadů, což ukazuje, jak se automatizace, biologie a strojové učení sbližují, aby přetvořily objevování materiálů ve velkém měřítku.