25 oktober 2016

Svenska forskare vid bland annat LiU har utvecklat en molekyl som byter färg när den binder till olika former av cellulosa. I en ny studie demonstrerar forskarna hur molekylen kan användas i en metod för att göra snabba, optiska avläsningar av kvaliteten på cellulosa. Möjliga applikationer finns bland annat inom utveckling av förnyelsebar energi.

Cellulosa är en viktig del av allt växtmaterial och en av de mest använda molekylerna på planeten. Denna långa, starka polymer används bland annat i förpackningar och textilier, som viskos och lyocell. Den kan också brytas ner till biogas eller bioetanol, något som utforskas på bred front som alternativ till fossila bränslen i sökandet efter förnyelsebara energikällor.

Problemet med cellulosa är att det sällan förekommer i ren form och har varierande kvalitet. Att kunna bedöma kvaliteten och renheten på cellulosa är därför mycket viktigt vid utveckling av ren, förnyelsebar energi och för återvinning av cellulosa.

Den aktuella studien, som publiceras i Naturetidskriften Scientific Reports, är ett samarbete mellan Karolinska Institutet, Linköpings universitet och Kungliga Tekniska Högskolan. Det är forskargruppen vid Linköpings universitet, ledd av professor Peter Nilsson, som har gjort molekylerna som används i studien. Spårarmolekylerna har en del som gör att de kan hitta en specifik målmolekyl och binda till den. När det sker ändras molekylens form en aning.

– Det som gör molekylerna speciella är att beroende på hur de vrider och vänder på sig skickar de ut ljus i olika färger. Molekylen har en färg när den är ensam, och när den har bundit till sin målmolekyl byter ljuset färg. Det blir ett slags optiskt fingeravtryck, säger Peter Nilsson.

Kemiska kameleonter

Färgen ändras alltså beroende på omgivningen, på liknande sätt som djurvärldens kameleonter. I studien demonstrerar forskarna bland annat hur kameleontmolekylerna kan användas för att i realtid följa processen när cellulosa bryts ner, vilket är betydelsefullt vid framställning av cellulosabaserad bioetanol.

De metoder som används i dag för att kvantifiera cellulosa är tekniskt mycket krävande. Processen kräver hårda förbehandlingar med starka och frätande kemikalier när polymererna ska brytas ner för analys. På sikt har den nya metoden potential att minska beroendet av starka kemikalier vid kvalitetsbestämning av cellulosa och förbättra kvaliteten på analyserna.

– Vår nya teknik skulle exempelvis kunna användas för kvalitetskontroll eller processtyrning i olika industrier som är beroende av cellulosa, säger Peter Nilsson.

Forskningen har finansierats med stöd av Carl Bennet AB, Familjen Erling-Perssons stiftelse och European Research Council. Några av forskarna bakom studien är delägare i ett företag, som kan komma att kommersialisera molekylerna.

Publikation: Nondestructive, real-time determination and visualization of cellulose, hemicellulose and lignin by luminescent oligothiophenes, Ferdinand X. Choong, Marcus Bäck, Svava E. Steiner, Keira Melican, K. Peter R. Nilsson, Ulrica Edlund, Agneta Richter-Dahlfors, (2016), Scientific Reports, 6, 35578, publicerad online 19 oktober 2016, DOI: 10.1038/srep35578

Kontakt

Senaste nytt från LiU

Serverrum,data på svart skärm.

Maskinpsykologi – en brygga till generell AI

AI som är lika intelligent som människor kan bli möjlig tack vare psykologiska inlärningsmodeller, kombinerat med vissa typer av AI. Det menar Robert Johansson som i sin avhandling har utvecklat begreppet maskinpsykologi.

Forskning för hållbar framtid får nära 20 miljoner i bidrag

Ett oväntat samarbete mellan materialvetenskap och beteendevetenskap. Utveckling av bättre tjänster för att hantera klimatförändringarna. Det är två forskningsprojekt vid LiU som får stora stöd från Marianne och Marcus Wallenbergs stiftelse.

Innovativ idé för effektivare cancerbehandlingar prisas

Lisa Menacher har tilldelats Christer Giléns stipendium 2024 inom området statistik och maskininlärning för sin masteruppsats. Hon har använt maskininlärning i ett försök att göra val av cancerbehandling mer effektivt.