稀土,既是新能源产业不可或缺的关键战略资源,进入环境后,又是需要密切关注的潜在风险。矿区尾水、工业排水里有没有稀土、含量多少,监测起来并不轻松。在中国科学技术大学精准智能化学全国重点实验室,一支名为澜境识水的年轻团队尝试用人工智能设计一种特殊蛋白——把它投进水里,稀土一现身,蛋白就会“发光”。

“分子锁”专等稀土这把钥匙

烧杯里的水样清澈见底,肉眼看不出任何秘密。但在澜境识水团队的实验台前,一只装有微量液体的离心管,就可能回答“水里有没有稀土”的问题。

“稀土既是新能源(产业的关键资源),而进入环境后又是需要关注的潜在风险。”团队方案设计总负责人、中国科大环境科学与工程博士生李康辉说,越是重要的战略资源,越需要知道它在哪里。

怎么知道?团队的办法是改造蛋白。“稀土离子就是钥匙。”李康辉打了个比方。他们从一种成熟的钙离子荧光传感蛋白出发,尝试把原本识别钙的开关,改造成识别稀土的开关,将稀土离子这把“钥匙”插入蛋白“锁孔”,蛋白荧光部分的亮度随之改变,分子层面的识别事件,就变成可以测量的光信号。

难就难在“真实”二字。团队实验成员、中国科大生态学硕士生陈艾介绍,真实废水成分复杂,也不是标准答案,各种干扰离子可能让探针在真实水样里“看走眼”。这正是环境场景对实验室成果提出的考题。

蛋白可以改造的位置和组合很多,一个个合成、挨个验证,成本和时间都吃不消。“而我们要做的,是在真正做实验以前,把大量候选缩小到更值得验证的少数方案。”李康辉说。

筛选拆成三步:第一步,用蛋白质结构生成模型(AlphaFold3)生成候选初始结构,判断整体折叠和识别区域是否合理;第二步,通过分子动力学模拟,比较关键结合状态下的能量、稳定性和构象变化;第三步,才轮到实验。“而计算更像一场预选赛。”李康辉说,无论计算给出多好的结果,最后仍要用实验验证它是否真正有效,最终必须由实验给出答案。

候选进入实验以后,研究人员先看蛋白能否顺利获得,再测它对稀土的选择性怎么样。实验室白板上,结构预测、计算筛选、结构合成、性能表征、实验验证每一步后面都打上了对勾。自动化多肽合成仪在蓝光中运转,机械臂沿着导轨移动移液,年轻人们相信,AI的价值不是取代实验,而是让每一次实验都更值得做。

成功和失败都会记录

陈艾介绍,每一轮实验数据都会完整保留,并与计算预测逐项对照。一种情况是预测结构很好、但实验表现不理想,下一轮就要调整候选评分和设计规则;另一种情况是蛋白能结合稀土、但荧光变化较弱,说明信号传递还要优化;若是在复杂水样中实验误差变大,就把干扰因素纳入后续判读。“失败数据,也会成为下一轮设计的依据。”李康辉说,计算预筛与实验验证,正在逐步形成闭环。

在团队看来,项目的核心创新可以概括为三个:一是开关转换,把识别钙的荧光开关改造成识别稀土的开关;二是候选预筛,用AI和计算进行可解释的候选预筛;三是前端筛查,面向复杂废水做前端筛查,而不是做替代精密仪器。

这也划清了新技术的边界,精密仪器检测准,但检测时间和设备成本高;蛋白探针要做的,不是取而代之,而是先找出真正需要进一步复核的样品,这可以让大量水样先经过快速前筛,再把异常或不确定的样品交给精密仪器确认,并给出风险分级和复核建议。

团队介绍,目前已获得了对Nd、Dy(钕、镝,原子序数分别为60、66,均为稀土元素)产生特异性荧光响应而对钙(Ca)无明显响应的传感蛋白,并完成了较系统的荧光响应和选择性测试。蛋白质结构生成模型(AlphaFold3)和自动化全原子分子动力学流程也已经用于真实候选,计算预筛和实验验证正逐步形成闭环。

来源：安徽商报

记者：郜征

原文链接：https://ahsbszb.ahnews.com.cn/pc/con/202609/14/c1154192.html