炒股网站
稀土分离，历来是一道慢工出细活的技术难题。
但劳伦斯利弗莫尔国家实验室（LLNL）的科学家们，正在用一种从细菌体内提取的天然蛋白质，配合机器学习，把这道难题的破解速度提升了整整一个数量级。这套被昵称为"辣味羔羊"（SpyCI-LAMBS）的高通量生物筛选平台，已于2026年发表在《自然化学生物学》杂志，标志着稀土分离研究正式进入生物技术驱动的新阶段。
从细菌代谢到工业提纯，蛋白质如何"认识"稀土？
故事的起点，是一类叫做"兰调蛋白"（Lanmodulin）的细菌蛋白质。
这类蛋白质存在于一些以稀土元素为代谢燃料的微生物体内，经过亿万年演化，它们对稀土金属离子表现出极高的识别能力和结合选择性，能够精确区分不同的稀土元素。对于工业界来说，这种天然的"识别能力"极具吸引力，因为稀土元素化学性质极为相似，传统的分离方法需要反复萃取、大量化学溶剂，工艺繁琐，成本高昂。
问题在于，科学界对不同兰调蛋白变体的研究长期停留在"一个个来"的模式。每测试一个候选蛋白，就要从含有数千种其他分子的细菌混合液中把它纯化出来，整个流程漫长耗时，要系统性地筛查数百个变体，在以往几乎需要三到五年。
LLNL团队决定彻底颠覆这个流程。
他们开发的SpyCI-LAMBS平台，通过给蛋白质附加一种工程化的"SpyTag"标签，使蛋白质能够自动锚定在固体表面，完全跳过了繁琐的纯化步骤。利用96孔板并行测试架构，研究人员现在可以在一次实验运行中同时筛查数十乃至数百个蛋白质变体，同时测试它们对不同稀土元素的结合性能。
效率的提升是惊人的。第一作者帕特里克·迪普（Patrick Diep）说："用这项新检测方法收集600个蛋白质的数据，只花了一个月。"按传统方法，这需要三到五年。
机器学习介入，让设计领先于实验
筛查速度的突破只是第一步，更值得关注的是这套平台与机器学习的深度结合。
在完成大规模蛋白质筛查后，团队将生成的数据用于训练预测模型，使计算机能够在蛋白质进行任何物理测试之前，预判其金属结合行为。这意味着研究人员的工作逻辑正在发生根本性转变：从"做实验，看结果"变为"先预测，再验证"，大幅压缩了从设计到发现的时间成本。
合著者焦永琴表示，将金属蛋白表征从低通量瓶颈转变为可扩展的数据生成平台，为预测性、数据驱动的金属选择性蛋白设计打开了全新的大门。
团队目前已从筛查结果中识别出八个具有截然不同稀土选择性模式的蛋白质簇。其中超过200个变体在轻质稀土元素的分离上表现优异，这恰恰是当前关键材料精炼中最棘手的挑战之一，因为轻质稀土元素是制造永磁体、电动汽车电机和风力发电机的核心原料。更引人注目的是，部分经过工程改造的蛋白质甚至能够在单一步骤内完成分离，大幅简化了工艺流程。
资深作者丹·帕克（Dan Park）对这个平台的最大期待，是它降低了试错成本。他说："我喜欢这种方法的地方在于它降低了失败的代价，所以你可以去尝试一些非常疯狂的想法。有时候它们有效，有时候无效，但关键是我们现在有能力去测试这些想法。"
这套平台的潜在应用也不止于稀土。团队已开始探索将SpyCI-LAMBS用于其他关键金属的分离研究，包括在电池产业中举足轻重的锂、钴等元素。
从地缘政治的角度来看，这项技术的战略意义同样不可忽视。全球稀土精炼产能高度集中，中国目前控制着全球约85%至90%的稀土加工能力炒股网站，这一现实促使美国、欧盟和澳大利亚等国加速寻找替代性分离技术路径。LLNL的这套生物平台，提供了一条绕开传统化学冶金路线、以生物技术驱动稀土分离的全新可能，而这条路的起点，竟然只是几株不起眼的土壤细菌。
大牛证券提示：文章来自网络，不代表本站观点。
