塑料污染问题日益严峻，但很少有人意识到这并非单一问题，而是由多种不同聚合物组成的复杂挑战。每种塑料都由独特的化学键连接，因此针对一种塑料的分解方法可能完全无法处理其他类型的塑料。尽管我们已成功找到分解聚酯和PET等常见塑料的酶，但这些仅是部分解决方案。现在，研究人员借助先进的蛋白质设计工具，开发出一种全新酶，能够有效分解聚氨酯——这种常用于制作泡沫缓冲材料的聚合物。新酶可与工业级回收工艺兼容，将聚合物分解为基本构建块，用于制造新鲜聚氨酯。
聚分解解的化学挑战
聚氨酯的化学结构涉及氮原子与碳原子的连接，该碳原子又与两个氧原子相连，其中一个氧原子连接到聚合物的其余部分。聚合物的其余部分通过这些键连接，可能相当复杂，通常含有与苯相关的环状结构。
分解聚氨酯面临多重挑战：聚合物链常常广泛交联，庞大的结构使酶难以接触到可消化的化学键。目前使用的二甘醇化学物质虽能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，通常作为危险废物焚烧处理。
从现有酶到全新设计
研究团队首先测试了文献中报道的所有15种能够分解聚氨酯的酶。结果发现，只有三种对测试聚合物表现出良好活性，且几乎无法将聚合物分解为其起始组分。因此，研究人员将注意力集中在活性最高的酶上，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结构相似的远缘蛋白质。
虽然这些蛋白质单独使用效果不佳，但它们对于训练AI寻找能折叠成类似结构的序列非常有用。研究团队使用的工具是Pythia-Pocket，这是一种专门用于确定蛋白质中任何给定氨基酸是否可能接触可结合化学物质的神经网络，结合了预测蛋白质能否形成稳定结构的普通Pythia神经网络。
GRASE：智能酶设计系统
研究团队推断，理想的聚氨酯分解酶应具备多种特征：结构上应与已有酶相似；需要在结构有序性（形成相似结合口袋并具有酶活性）与灵活性（能够适应不同类型的聚氨酯）之间取得平衡。为此，团队使用了消息传递接口，在每次迭代中更新氨基酸位置，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与稳定酶推荐系统）。
突破性成果
GRASE的表现令人瞩目：在评估的24个评分最高的蛋白质中，21个表现出某种催化活性，其中8个比之前已知的最佳酶效果更好。最佳设计酶的活性是已知最佳天然酶的30倍。
当研究人员将二甘醇混合物加热至50°C时，效果更加显著：新设计的酶活性比最佳性能天然酶高出450倍。虽然需要12小时，但它能够分解反应混合物中98%的聚氨酯。该酶足够稳定，可在其酶活性开始下降前，处理另外两批新鲜聚氨酯混合物。
从实验室测试到公斤级消化实验显示了相同结果：95%以上的材料被分解为制造聚氨酯的起始材料。
技术创新与未来展望
研究团队强调，他们的工具不仅关注蛋白质形成的结构，还整合了功能信息，如稳定性和可能与被消化材料相互作用的氨基酸。他们指出，这些方法可能通过关注形成相似的三维结构，为我们提供更多关于如何获得功能蛋白质的见解。
这一突破为解决全球每年2200万吨聚氨酯废物的处理提供了创新方案。随着AI辅助蛋白质设计技术的不断发展，我们有望看到更多针对难以分解塑料的定制酶问世，为塑料污染问题提供系统性的解决方案。
从实验室到工业应用
将这一技术从实验室推向工业应用仍面临挑战，但前景广阔。研究团队已经证明，该酶在公斤级消化实验中表现良好，这表明它具有规模化应用的潜力。未来的研究将专注于优化酶的生产成本、提高其在工业环境中的稳定性，并开发能够同时处理多种类型塑料的混合酶系统。
随着全球对可持续发展和循环经济的重视不断加深，这类创新技术将成为减少塑料污染、实现资源高效利用的关键工具。AI设计的酶不仅能够分解现有塑料废物，还有望改变我们设计和制造塑料的方式，从源头上减少环境负担。
