塑料污染问题日益严峻，但很少有人意识到这实际上是一个多重问题。根据不同需求，我们使用不同聚合物制造塑料，每种聚合物都由独特的化学键连接而成。因此，分解一种聚合物的方法可能与另一种聚合物的化学性质不兼容。
尽管我们已成功找到能分解聚酯和PET等常见塑料的酶，但这些只是塑料废物的部分解决方案。然而，研究人员并未止步于此，他们现在拥有先进的蛋白质设计工具，帮助开发全新的酶。最新成果是一种专门设计用于分解聚氨酯的酶，聚氨酯是制造泡沫缓冲垫等产品的常用聚合物。这种新酶兼容工业级回收工艺，能将聚合物分解回基本构建块，用于制造新鲜聚氨酯。
聚氨酯分解的化学挑战
聚氨酯由定义其特性的氨基甲酸酯键构成，涉及一个氮原子连接到一个碳原子，该碳原子又连接到两个氧原子，其中一个氧原子连接到聚合物的其余部分。通过这些键连接的聚合物其余部分可能相当复杂，通常含有与苯相关的环状结构。
2024年，全球聚氨酯产量高达2200万吨。消化聚氨酯具有挑战性，因为聚合物链通常广泛交联，庞大的结构使酶难以接触到可消化的化学键。虽然二甘醇可以在高温下部分分解这些分子，但会留下无法用于任何有用反应的复杂化学混合物，通常作为有害废物焚烧处理。
寻找更有效的解决方案
为找到更好的替代方案，研究团队专注于寻找可与二甘醇工艺整合的酶。他们首先测试了文献中报道的所有能分解聚氨酯的酶，在测试的15种酶中，只有3种对测试聚合物具有良好活性，且几乎无法将聚合物分解回其起始材料。
随后，研究人员专注于活性最高的酶，在公共数据库中搜索相关蛋白质，并利用AlphaFold预测的结构数据库识别折叠成相似结构的远缘相关蛋白质。虽然这些蛋白质本身效果不佳，但它们被证明很有用，因为可用于训练AI寻找能折叠成相似结构的序列。
神经网络助力酶设计
研究团队使用的工具是Pythia-Pocket，这是一种专门确定蛋白质中任何给定氨基酸是否可能接触该结构可结合的化学物质以及其他功能特征的神经网络。他们将其与普通的Pythia神经网络（预测任何给定蛋白质是否可能形成稳定结构）结合使用。
研究人员认为，良好的聚氨酯分解候选酶应具备多项特征：结构上应与已知酶相似；需要在形成具有酶活性的类似结合口袋的有序结构，以及能够灵活适应不同类型聚氨酯的灵活性之间取得平衡。为达到这种平衡，团队使用了消息传递接口，在每次迭代中更新氨基酸位置，并平衡优化结构和结合口袋。他们将 resulting 软件命名为GRASE（基于图神经网络的活性和稳定酶推荐）。
显著成果
结果令人瞩目。在软件评估的24个最高评分蛋白质中，21个显示出某种催化活性，其中8个表现优于先前已知的最佳酶。最佳设计酶的活性是已知酶的30倍。
当研究人员加入二甘醇并将混合物加热至50°C时，情况更加理想。在这些条件下，新设计的酶活性比表现最佳的自然酶高出450倍。虽然需要12小时，但它能分解反应混合物中98%的聚氨酯。而且该酶足够稳定，可以在活性开始下降前处理两次新的聚氨酯混合物。
从实验室测试到公斤级消化实验显示了相同结果：95%或更多的材料被分解回制造聚氨酯的起始材料。
技术创新与未来展望
研究人员强调，他们的工具超越了仅关注蛋白质形成的结构，还整合了关于其功能的信息，如稳定性和可能与其消化的材料相互作用的氨基酸。他们指出，这些方法可能通过专注于形成相似的三维结构，告诉我们更多关于如何获得功能蛋白质的知识。
这项研究不仅为解决聚氨酯废物处理提供了有效方案，还展示了AI在蛋白质设计领域的巨大潜力。随着技术的进一步发展，我们有望看到更多专门设计用于分解各种塑料的酶，为解决全球塑料污染问题带来新希望。
这种AI辅助酶设计方法可能彻底改变塑料回收行业，使原本难以回收的聚合物能够被有效分解和再利用，从而推动循环经济的发展，减少对原始资源的依赖，并降低环境污染。
