Реткоземните елементи се клучни за магнети, батерии, електроника и многу чисти технологии, но нивното издвојување од руди и отпадни извори останува сложен и скап процес. Тим од Lawrence Livermore National Laboratory разви побрз начин за испитување на бактериски протеини што селективно се врзуваат со овие метали, со цел да се забрза развојот на биотехнолошки методи за нивно раздвојување.
Во студија објавена во Nature Chemical Biology, истражувачите ја претставија платформата SpyCI-LAMBS, наменета за високопроточен скрининг на ланмодулини. Тоа се протеини што се среќаваат кај бактерии кои користат реткоземни елементи во својот метаболизам. Наместо секој протеин да се произведува, прочистува и тестира одделно, новиот пристап овозможува многу варијанти да се проверуваат паралелно.
Класичниот процес е бавен затоа што протеинот најнапред се создава во бактерии, а потоа мора да се изолира од илјадници други клеточни протеини. Со SpyCI-LAMBS, прочистувањето во голема мера се заобиколува. Истражувачите додаваат молекуларна ознака на ланмодулинот, а таа се врзува со партнерска молекула поставена на стаклени зрнца. Така саканиот протеин брзо се фиксира на површина, додека останатата клеточна смеса може да се игнорира.
Таквата поставка им овозможила на научниците во рок од околу еден месец да соберат податоци за 600 протеини. Со претходните методи, според тимот, сличен обем на работа би траел со години. Платформата користи плочи со 96 бунарчиња, во кои различни протеински варијанти може истовремено да се споредуваат според тоа кон кои реткоземни елементи имаат поголема селективност.
Резултатите покажале дека семејството ланмодулини е поразновидно отколку што се очекувало. Тимот идентификувал осум групи протеини со различни преференции за врзување, вклучувајќи голема група варијанти со подобрена способност да разликуваат одредени лесни реткоземни елементи. Некои од новооткриените протеини покажале потенцијал за раздвојувања што вообичаено се тешки да се изведат во еден чекор.
Податоците не се важни само за непосредна примена во биорударство и рециклирање. Тие создаваат основа за машинско учење, со кое може да се предвидува како одредена аминокиселинска секвенца ќе се однесува кон различни метали. Ако таквите модели се обучат доволно добро, тие би можеле да предложуваат нови протеини со однапред зададена селективност.
Истражувачите соработувале и со Pennsylvania State University за подетална проверка на избрани протеински варијанти. Ваквата валидација е значајна затоа што ја поврзува практичната употреба со основното прашање: како малите разлики во протеинската структура влијаат врз препознавањето на металите.
Иако студијата се фокусира на ланмодулини и реткоземни елементи, методот би можел да се прошири и кон други протеини и критични метали. Тоа го прави интересен не само за снабдувачките синџири, туку и за поширокиот развој на селективни биоматеријали за екстракција, прочистување и рециклирање.
