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挑战。根据不同应用需求，我们使用不同聚合物制造塑料制品，而这些聚合物由不同类型的化学键连接而成。因此，降解某一类型聚合物的方法可能与其他聚合物的化学性质不兼容。
尽管我们已经成功找到能够降解常见塑料如聚酯和PET的酶，但这些只是塑料废物问题的部分解决方案。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，能够帮助他们开发更高效的降解酶。最新成果是一种专为分解聚氨酯而设计的全新酶，这种聚合物常用于制作泡沫缓冲材料等。新酶兼容工业级回收工艺，能够将聚合物分解为其基本构建块，这些材料可重新用于制造新鲜聚氨酯。
聚氨酯降解的挑战
聚氨酯连接的基本化学键结构。聚合物其余部分由X表示。
最新研究论文详细描述了这一酶的开发过程，并指出了问题的规模：2024年，全球生产了2200万吨聚氨酯。定义这些材料的氨基甲酸酯键涉及一个氮原子与一个碳原子相连，该碳原子又与两个氧原子相连，其中一个氧原子与聚合物的其余部分连接。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。
降解聚氨酯具有挑战性。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。一种叫做二甘醇的化学物质可以在一定程度上分解这些分子，但仅能在较高温度下进行，并且会留下复杂的化学混合物，无法重新用于任何有用的反应。相反，这些残留物通常作为危险废物被焚烧处理。
寻找更好的解决方案
为了寻找更有效的解决方案，研究团队专注于寻找能够与二甘醇工艺集成的酶。首先，他们测试了文献中所有报告的能够降解聚氨酯的酶。在测试的全部15种酶中，只有三种对他们测试的聚合物表现出良好活性，而且它们几乎无法将聚合物分解为其构成原料。
因此，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预测结构数据库，识别折叠成相似结构的远缘相关蛋白质。单独来看，这些蛋白质的效果都不理想。但它们被证明是有用的，因为可以用它们来训练AI寻找能够折叠成相似结构的序列。
新型酶的诞生
AI辅助酶设计工作流程示意图
研究团队使用的工具名为Pythia-Pocket，这是一个专门用于确定给定蛋白质中任何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。这与普通的Pythia神经网络（也预测给定蛋白质是否可能形成稳定结构）相结合。
研究人员认为，一种能够有效分解聚氨酯的理想候选酶应具备多种特征。在结构上，它应类似于他们已经研究过的酶。同时，它需要在结构上有足够秩序以形成具有酶活性的相似结合口袋，但又不能过于僵硬，以便能够灵活地适应不同类型的聚氨酯。为了实现这种平衡，研究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与稳定酶推荐系统）。
结果令人瞩目。在软件评估的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个的性能优于此前已知最好的酶。这些设计中的最佳酶活性比之前的酶高出30倍。
工业级验证
聚氨酯泡沫常用于鞋底等缓冲材料中
当研究人员将二甘醇混合并加热至50°C时，情况变得更加乐观。在这些条件下，新设计的酶活性比最佳天然酶高出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。而且这种酶足够稳定，可以处理两批新鲜聚氨酯混合物后才开始失去酶活性。
从实验室测试转向公斤级消化实验显示了相同的结果：95%以上的材料被分解为制造聚氨酯的原始原料。
技术创新与未来展望
研究人员强调，他们的工具不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，这些方法可能通过专注于形成相似的3D结构，为我们提供更多关于如何获得功能蛋白质的见解。
这项研究的意义远超聚氨酯降解本身。它展示了人工智能在蛋白质设计领域的巨大潜力，为解决全球塑料污染危机开辟了新途径。随着技术的进一步发展，我们有望看到更多针对难降解塑料的定制酶被开发出来，推动循环经济的发展，减少对环境的负面影响。
未来，这种AI辅助酶设计方法可能扩展到其他类型的塑料和工业材料，为可持续材料科学带来革命性变化。研究团队已经开始探索将这种方法应用于其他聚合物，并优化酶的稳定性和效率，以期实现更大规模的工业应用。
