Flugzeuge brauchen energiedichte Kraftstoffe, deshalb spielen Batterien auf absehbare Zeit eine Nebenrolle. Die Forschung sucht nach Alternativen zu Kerosin aus Erdöl. Nun melden Teams am Joint BioEnergy Institute (JBEI) einen Sprung nach vorn: Sie züchten Mikroben, die Vorstufen für Flugtreibstoff im Labor bis zu 36-mal effizienter herstellen als bisherige Stämme. Damit rückt synthetisches Kerosin aus Biomasse näher an industrielle Größenordnungen (newscenter: 29.01.26).
Mikroben machen Isoprenol zum Baustein für DMCO
Im Zentrum steht Isoprenol, ein klares und flüchtiges Molekül, weil es sich chemisch zu einem synthetischen Flugkraftstoff weiterverarbeiten lässt. Dieser Kraftstoff heißt Dimethylcyclooctan (DMCO). DMCO hat eine höhere Energiedichte als herkömmliches Kerosin und eignet sich deshalb für Langstrecken. Genau hier hakte es lange: Stoffwechselwege sind komplex und kleine Eingriffe ziehen oft Nebenwirkungen nach sich. Diese Kombination aus Tempoverlust und Kosten machte Biotreibstoff-Vorstufen unattraktiv.
Zwei aktuelle Studien zeigen jetzt, wie Labore den Prozess drastisch beschleunigen, während sie gleichzeitig die Trefferquote erhöhen. Das JBEI, geführt vom Lawrence Berkeley National Laboratory, koppelt künstliche Intelligenz, Automatisierung und biologische Sensorik. Ein Team setzt auf datengesteuerte Optimierung, das andere auf biologische Entdeckung. Thomas Eng ordnet das Zusammenspiel so ein: „Dies sind zwei leistungsstarke, sich ergänzende Strategien. Die eine ist datengesteuerte Optimierung, die andere ist Entdeckung. Zusammen bieten sie uns eine Möglichkeit, viel schneller voranzukommen als mit herkömmlichen Trial-and-Error-Verfahren“, erläutert Eng.
KI-Pipeline ersetzt Trial-and-Error im Stoffwechsel
Das KI-Team um Taek Soon Lee und Héctor García Martín baut eine Pipeline, damit Roboter Hunderte genetische Varianten parallel erzeugen und prüfen. Ein Algorithmus liest die Messdaten aus und schlägt neue Genkombinationen vor, statt dass Menschen nach Bauchgefühl iterieren. García Martín sagt: „Standardmäßiges Metabolic Engineering ist langsam, weil man sich auf menschliche Intuition und biologisches Wissen verlässt.“ Und er ergänzt: „Unser Ziel war es, die Verbesserung von Stämmen systematisch und schnell zu gestalten.“
Als Werkzeug nutzt das Team CRISPR-Interferenz, denn damit drosseln Forschende Gene gezielt, statt sie komplett auszuschalten. Das macht feine Stoffwechsel-Effekte sichtbar und verhindert Totalschäden im Zellhaushalt. Nach sechs Entwicklungszyklen von jeweils nur wenigen Wochen steigt die Isoprenol-Produktion auf etwa das Fünffache des Ausgangsstamms. Hier liefern Mikroben das Rohmaterial für einen neuen Entwicklungstakt im Labor.
Biosensoren machen aus einem Problem ein Auswahlwerkzeug
Das zweite Team stößt auf ein Hindernis, aber es wird zum Hebel. Die eingesetzten Bakterien Pseudomonas putida produzieren Isoprenol und bauen es kurz darauf wieder ab. Zuerst wirkt das wie Selbstsabotage. Dann dreht Eng die Logik um: Wenn die Zelle Isoprenol „merkt“, muss ein Protein existieren, das es erkennt. „Das war ein echter Aha-Moment“, sagte Eng. „Moment mal, wenn sie es wahrnehmen können, muss es ein Protein geben, das es erkennt. Vielleicht können wir das Problem in ein Werkzeug verwandeln.“
Die Forschenden identifizieren ein Sensorsystem aus zwei Proteinen und bauen daraus einen Biosensor, sodass jede Zelle ihre eigene Isoprenol-Produktion als Signal ausgibt. Je stärker das Signal, desto besser die Ausbeute. Danach koppelt das Team das Signal an überlebenswichtige Gene. Das Ergebnis ist simpel: Nur Spitzenproduzenten wachsen weiter. So lassen sich Millionen Varianten schnell durchsuchen und Mikroben werden vom Produktionsrisiko zum Messinstrument.
Was die Ergebnisse für Industrie-Fermenter bedeuten
Am Ende stehen „Champion“-Stämme, die bis zu 36-mal mehr Isoprenol erzeugen als der ursprüngliche Mikroorganismus, wobei beide Methoden unterschiedliche Stärken zeigen. Die KI-Pipeline optimiert bekannte Stellschrauben gezielt. Der Biosensor deckt unerwartete Stellschrauben auf. Die Studien erschienen in Nature Communications und Science Advances.
Der nächste Prüfstand ist die Skalierung in größere Fermenter, denn erst dort zählen stabile Erträge und Kosten pro Liter. Labordaten überzeugen nur, wenn sie in Industrieparametern nicht einknicken. García Martín skizziert die mögliche Konsequenz: „Wenn diese Ansätze weit verbreitet sind, könnten sie die Branche neu gestalten. Anstatt ein Jahrzehnt und Hunderte von Menschen für die Entwicklung eines neuen Bioprodukts zu benötigen, könnten kleine Teams dies in einem Jahr oder weniger schaffen“, erläutert er.
Lesen Sie auch: