US-Labor sucht nach Seltene Erden mit Protein-Screening-System

US-Wissenschaftler haben eine Hochdurchsatz-Biologische Plattform entwickelt, die die Suche nach Seltenerd-Separationsmaterialien beschleunigen könnte, ein entscheidender Schritt zur Stärkung der Lieferketten für Elektro US-Wissenschaftler haben eine Hochdurchsatz-Biologische Plattform entwickelt, die die Suche nach Seltenerd-Separationsmaterialien beschleunigen könnte, ein entscheidender Schritt zur Stärkung der Lieferketten für Elektronik, Batterien und Magnete.

Forscher des Lawrence Livermore National Laboratory (LLNL) nutzen natürlich vorkommende bakterielle Proteine, um Seltene-Erden zu isolieren und zu untersuchen. Diese Proteine, bekannt als Lanmodulin, entwickelten sich in Mikroben, die Seltene-Erden in ihrem Stoffwechsel nutzen.

Ziel ist es, diese biologische Fähigkeit in ein skalierbares Werkzeug für die industrielle Metalltrennung umzuwandeln. Aber traditionelle Protein-Screening-Methoden sind langsam.

Wissenschaftler testen Kandidaten typischerweise einzeln, was

Wissenschaftler testen Kandidaten typischerweise einzeln, was groß angelegte Entdeckungen unpraktisch macht. Eine an LLNL entwickelte neue Plattform ändert diesen Prozess, indem sie das parallele Screening von Hunderten von Proteinvarianten in einem einzigen Durchlauf ermöglicht.

Das Spicy Lambs System Die Methode, veröffentlicht in Nature Chemical Biology, heißt Immobilization of Lanmodulin for Assaying Metal-Binding Selectivity mit SpyTag-Catcher, oder SpyCI-LAMBS, und wird „spicy lambs“ genannt.

„Es dauerte nur etwa einen Monat, um mit diesem neuen Assay Daten für 600 Proteine zu sammeln“, sagte der LLNL-Wissenschaftler und erste Autor Patrick Diep.

Mit dem üblichen Verfahren hätte es

„Mit dem üblichen Verfahren hätte es drei bis fünf Jahre gedauert.“ Das System funktioniert, indem es an Proteine künstlich erzeugte Tags anbringt, damit diese automatisch an eine feste Oberfläche binden können, wodurch der Bedarf an komplexen Reinigungsschritten entfällt, die Experimente normalerweise verlangsamen.

Frühere Methoden erforderten von Forschern, Proteine aus bakteriellen Gemischen zu extrahieren, die Tausende anderer Moleküle enthielten, ein Prozess, der den Durchsatz erheblich einschränkte.

„Wir begannen damit, einfach zu sagen: ‚Nehmen wir diese Lanmodulin-Proteine einzeln und testen sie.‘ Wir haben uns durch eine Handvoll davon gekämpft und gemerkt, dass es uns das restliche Leben kosten würde, sie alle effektiv zu charakterisieren“, sagte der LLNL-Wissenschaftler und Hauptautor Dan Park.

Die neue Plattform ermöglicht es Forschern,

Die neue Plattform ermöglicht es Forschern, diesen Engpass vollständig zu umgehen. Proteine im großen Maßstab Mithilfe von 96-Well-Platten können Wissenschaftler nun Dutzende von Lanmodulin-Varianten parallel gegenüber Seltene-Erden-Elementen testen.

Auch mehrere Platten können gleichzeitig durchgeführt werden, was eine großflächige Kartierung des Metallbindungsverhaltens ermöglicht. Das Team identifizierte acht unterschiedliche Proteinklumpen mit verschiedenen Selenktivitätsmustern für Seltene Erden.

Eine Gruppe von über 200 Varianten zeigte eine verbesserte Leistung bei der Trennung von leichten Seltene-Erden, einer großen Herausforderung bei der Raffination kritischer Materialien. Einige entwickelte Proteine waren sogar in der Lage, Trennungen in einem einzigen Schritt durchzuführen, was die Prozesskomplexität reduziert.

Die generierten Daten werden auch verwendet,

Die generierten Daten werden auch verwendet, um maschinelles Lernmodelle zu trainieren, die vorhersagen, wie Proteine vor einem physischen Test funktionieren werden.

Machine Learning Shift Durch die Kombination von Biologie mit Datenwissenschaft zielen Forscher darauf ab, Proteine mit gezielten Metallbindeigenschaften zu entwerfen, anstatt sie durch Versuch und Irrtum zu entdecken.

„Durch die Umwandlung der Charakterisierung von Metalloproteinen von einem Engpass mit geringem Durchsatz in eine skalierbare Plattform zur Datengenerierung eröffnet dieser Ansatz die Tür zu einem prädiktiven, datengesteuerten Design metallselektiver Proteine“, sagte der LLNL-Wissenschaftler und Co-Autor Yongqin Jiao.

Moegliche Anwendungen

Die Plattform könnte auch über Seltene-Erden hinausgehen, wobei die Forscher Anwendungen bei anderen kritischen Metallen erforschen. „Was ich an diesem Ansatz liebe, ist, dass er die Kosten eines Fehlschlags senkt, sodass man ziemlich wilde Ideen ausprobieren kann“, sagte Park.

Wir führen oft aller Art von verschiedenen Designs und Konzepten ein. Und manchmal funktionieren sie, manchmal nicht, aber der Punkt ist, dass wir es uns leisten können, diese Ideen jetzt zu testen.

Die Ergebnisse zeigen, wie Automatisierung, Biologie und maschinelles Lernen zusammenlaufen, um die Materialentdeckung im großen Maßstab neu zu gestalten. Die Studie wurde in Nature Chemical Biology veröffentlicht.