Marina mikrober kan ge grön vätgas – med hjälp av AI

Vätgas pratas ofta om som en lösning för industrins utsläpp och som ett sätt att balansera ett elsystem med mycket vind och sol. Men det finns en hake: nästan all vätgas som används globalt i dag produceras fortfarande från fossil naturgas, vilket ger stora koldioxidutsläpp. Det är därför “grön vätgas” (producerad utan fossila utsläpp) har blivit en strategisk fråga – även i Sverige.

Här kommer en oväntad huvudperson in: marina bakterier. En genomstudie publicerad 2025 visar att vissa arter inom bakteriefamiljen Vibrionaceae bär på helt nya genkluster som kan producera stora mängder vätgas genom jäsning. För mig är det här en av de mest intressanta “sidodörrarna” in i energifrågan: när bioteknik och energi möts blir flaskhalsen inte bara kemi – utan data.

Och där passar vår serie om AI inom läkemedel och bioteknik perfekt. Samma AI-metoder som används för att hitta läkemedelsmål i enorma gendatabanker kan också hjälpa oss att hitta, förstå och optimera mikrober som producerar vätgas.

Vad forskarna faktiskt hittade – och varför det spelar roll

Kärnresultatet är enkelt: forskarna hittade oväntat stor genetisk variation i de maskiner (genkluster) som styr vätgasproduktion hos Vibrionaceae.

I studien analyserades genomdata från 16 kända arter i familjen och fokus låg på ett specifikt genkluster: Hyf-typen av formate hydrogenlyase (FHL). Det här enzymkomplexet kan omvandla formiat till koldioxid (CO₂) och vätgas (H₂) under fermentativa förhållanden.

Sex varianter av “vätgasmotorn” i stället för fyra

Det nya är att forskarna identifierade två tidigare okända typer av FHL-genkluster. Det betyder att totalen i Vibrionaceae nu landar på sex typer av dessa kluster.

Det här är mer än en detalj för mikrobiologer. Olika genkluster innebär ofta olika prestanda: hastighet, stabilitet, tolerans mot miljöförändringar och hur mycket vätgas som faktiskt produceras per mängd substrat.

Vissa arter sticker ut

Studien rapporterar att:

• Högst vätgasproduktion sågs hos Vibrio tritonius (marin art) och Vibrio porteresiae (kopplad till vildris i mangrovemiljö).
• Lägst vätgasproduktion sågs hos Vibrio aerogenes och Vibrio mangrovi.

Det är precis den här typen av spridning som gör området spännande. Om naturen redan har “testat” flera konstruktioner under evolutionen kan vi slippa uppfinna allt från noll – men vi måste kunna hitta guldkornen.

Så fungerar fermentativ vätgas från formiat (utan onödiga krusiduller)

Den korta förklaringen: bakterier kan i syrefattiga miljöer bryta ner formiat och släppa ut vätgas som en del av sin energihantering.

Formiat (formate) är en liten molekyl som kan uppstå i olika biologiska nedbrytningsprocesser. I FHL-systemet sker i princip detta:

• Formiat tas upp i cellen
• Enzymkomplexet FHL katalyserar reaktionen
• Produkterna blir H₂ och CO₂

Varför kopplas formiatupptag till vätgasnivåer?

Studien såg en korrelation: arter som är bättre på att ta upp formiat tenderade att producera mer vätgas.

Det är logiskt. Om formiat är “bränslet” blir transporten in i cellen en flaskhals. I praktiken betyder det att om man vill designa en bioprocess för vätgas:

• det räcker inte att bara titta på hydrogenaset
• man måste optimera hela kedjan: upptag → metabolism → enzymkomplex → gasavgång

Det här är en klassisk systembiologisk läxa: prestanda är en kedja, inte en komponent.

Formiatavgiftning: en evolutionär förklaring som kan styra industridesign

Forskarna föreslår en tydlig drivkraft: vissa vibrier kan ha utvecklat hög vätgasproduktion för att avgifta formiat i sin miljö.

De kallar det formate detoxification hypothesis. Tanken är att om formiat ackumuleras och blir skadligt, gynnas organismer som snabbt kan göra om det till mindre problematiska produkter – även om CO₂ i sig inte är “bra”, är det i den lokala biologiska kontexten en hanterbar slutprodukt.

Varför är den hypotesen användbar för oss som tänker energi?

• Den pekar ut vilka miljöer man ska leta i för fler högproducerande stammar (miljöer med formiatstress).
• Den antyder vilka gener som är centrala: inte bara FHL, utan även transportörer och reglering.
• Den hjälper oss formulera en ingenjörsfråga: “Hur skapar vi en kontrollerad formiatstress i bioreaktorn utan att slå ut organismen?”

Det är exakt här bioteknik blir processindustri.

Var kommer AI in? Samma verktyg som i läkemedel – ny nytta i energi

AI:s viktigaste bidrag är att koppla genotyp till funktion snabbare än labbet hinner.

I läkemedelsutveckling använder man AI för att hitta mönster i genomik, transkriptomik och proteomik: vilka signaler förklarar respons, toxicitet eller sjukdomsmekanismer. För vätgasproducerande mikrober är frågan snarlik:

Vilka genetiska signaturer förklarar hög vätgasproduktion – och vilka kan vi ändra utan att tappa stabilitet?

1) Genom-screening och prioritering av stammar

Med maskininlärning kan man bygga modeller som rangordnar kandidater baserat på:

• variant av FHL-genkluster
• förekomst av formiattransportörer
• regulatoriska gener som påverkar jäsningsläge
• metabola sidovägar som “stjäl” kolflöde från vätgasproduktion

Resultatet blir kortare väg från “tusen genom” till “10 stammar att testa”.

2) Prediktion av proteinstruktur och enzymprestanda

Strukturprediktion (och vidare AI-modeller för proteinfunktion) gör att man kan:

• jämföra hydrogenas-varianter och deras stabilitet
• identifiera muteringar som kan öka tolerans mot t.ex. temperaturvariation
• förutsäga känslighet för inhibitorer i verkliga substratströmmar

I praktiken: mindre trial-and-error.

3) Digitala tvillingar för bioprocesser

När man väl har en kandidat i bioreaktor kommer nästa problem: processstyrning. Fermentering är dynamisk; små skift i pH, substrat, redox och temperatur kan ändra metabolismen.

AI-baserade modeller (i kombination med sensordata) kan användas för att:

• hålla processen i “hög vätgas”-läget
• upptäcka drift som leder till biprodukter
• optimera matning av formiat eller formiatbildande substrat

Det är samma princip som i bioproduktion för läkemedel: stabilitet och reproducerbarhet säljer.

Från labbfynd till energisystem: vad måste lösas innan detta blir vätgas i rör

Den största risken är att blanda ihop biologisk potential med industriell genomförbarhet. Mikrober kan vara fantastiska i provrör och ändå svåra i skala.

Hinder 1: Substratfrågan (var kommer formiat ifrån?)

För att fermentativ vätgas från formiat ska bli relevant måste man ha ett hållbart flöde av substrat. Några realistiska vägar:

• formiat som sidoström från kemisk industri
• formiat som mellanprodukt från biomassa- eller avfallsprocesser
• elektro-kemisk produktion av formiat från CO₂ (intressant koppling mellan elöverskott och bioprocess)

Den sista punkten är extra spännande för energisystem: el → formiat → vätgas kan bli en form av kemisk buffert, där AI kan optimera när man kör vad beroende på elpris och nätläge.

Hinder 2: Gasuppsamling och säkerhet

Vätgas är lätt, diffunderar snabbt och kräver bra säkerhetsdesign. Bioreaktorer som producerar gas kontinuerligt behöver:

• robust gas-separation
• explosionsklassning där det behövs
• sensorer och AI-styrning för avvikelsedetektion

Hinder 3: Netto-klimatnytta

Eftersom reaktionen ger CO₂ måste man räkna på hela kedjan:

• Är kolet biogent eller fossilt?
• Kan CO₂ fångas in eller användas vidare?
• Hur ser energibalansen ut jämfört med elektrolys?

Poängen: fermentativ vätgas kan bli grön om inflödet är biogent eller om CO₂ ingår i ett cirkulärt flöde. Annars riskerar man att bara flytta utsläpp.

Praktiska nästa steg för företag i Sverige (och vad jag hade gjort först)

Om du jobbar med energi, industri, biotech eller dataplattformar finns det konkreta “pilotvänliga” steg redan 2026.

1) Bygg en datagrund: genetik + processdata i samma modell

Det låter självklart, men många projekt faller på att genetik ligger i en mapp och processdata i ett annat system.

Starta med att definiera ett minimipaket:

• genkluster-annotering (FHL-typ, transportörer)
• standardiserade fermenteringsparametrar (pH, temperatur, matning)
• mätning av H₂-flöde och biprodukter

2) Välj en “industrinära” substratström

Det mest realistiska är att koppla till en sidoström som redan finns, till exempel:

• våtkemiska restströmmar
• avfallsbaserade processer
• biogasanläggningar där man ändå arbetar med gaser och rötrelaterad infrastruktur

3) Använd AI som beslutsmotor, inte som power point

AI ska göra ett jobb:

• rangordna stammar
• föreslå experiment som maximerar informationsvärde
• styra process mot stabilitet

Om modellen inte påverkar beslut i labb eller drift är den bara pynt.

Vad betyder detta för “AI inom läkemedel och bioteknik”-spåret?

Det här är en påminnelse om att bioteknik inte är en bransch – det är en verktygslåda. Genomik, proteinmodellering och automatiserad experimentplanering funkar lika bra för energi som för läkemedel.

I december 2025 är många organisationer mitt i att bygga AI-kapabilitet: data governance, MLOps, labbautomatisering och kompetensförsörjning. Jag tycker att vätgas från mikrober är ett bra “tvärprojekt” eftersom det tvingar fram två saker som också är kritiska i life science:

• spårbarhet från data → beslut → resultat
• respekt för verkligheten i skalning och regulatorik/säkerhet

Om vi blir bättre här, blir vi bättre även på nästa våg av biotekniska innovationer.

Det intressanta är inte om marina vibrier ensamma ska lösa vätgasfrågan. Det intressanta är att naturen redan har byggt flera varianter av en vätgas-maskin – och att AI kan hjälpa oss att välja, förstå och optimera rätt variant för rätt process.

Vilken del känns mest underskattad i din organisation just nu: att hitta rätt biologi, att få stabil drift – eller att få dataflödet att faktiskt hålla ihop?