塑料污染问题远比我们想象的复杂。根据不同需求，我们使用不同类型的聚合物制造塑料制品，而每种聚合物都由独特的化学键连接而成。这意味着，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。正是这一难题，使得即使我们已成功找到能分解常见塑料如聚酯和PET的酶，它们也只能部分解决塑料废弃物问题。然而，研究人员并未止步于部分解决方案，而是借助先进的蛋白质设计工具，取得了突破性进展。
聚氨酯分解的挑战
聚氨酯常用于制造泡沫缓冲材料，其化学结构中的氨基甲酸酯键涉及一个氮原子连接到一个碳原子上，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。这些化学键连接而成的聚合物链通常具有复杂的结构，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可以在较高温度下部分分解这些分子，但会留下无法用于有用反应的复杂化学混合物，通常作为危险废物焚烧处理。
AI驱动的酶设计
为寻找更有效的解决方案，研究团队专注于寻找可与二甘醇工艺集成的酶。他们首先测试了文献中报道的所有15种能分解聚氨酯的酶，但其中只有三种对测试聚合物表现出良好活性，且大多未能将聚合物分解为其原始构成材料。
随后，研究人员专注于活性最高的酶，在公共数据库中寻找相关蛋白质，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，但它们对训练AI寻找能折叠成类似结构的序列非常有价值。
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该结构可结合的化学物质的神经网络，并结合了普通Pythia神经网络，该网络预测任何给定蛋白质是否可能形成稳定结构。
GRASE：突破性酶设计软件
研究人员推断，理想的聚氨酯分解酶应具备多个特征：结构上应与已有酶相似；需要在形成具有酶活性的类似结合口袋的结构有序性，与能够灵活适应不同类型聚氨酯的柔性之间取得平衡。
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个表现出某种催化活性，8个比之前已知最好的酶效果更好。其中最佳设计的酶活性是该酶的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：新设计的酶活性比表现最好的天然酶高出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。该酶足够稳定，可以在两次添加新的聚氨酯混合物后才开始失去酶活性。
从实验室测试到公斤级规模的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材料。
技术创新与未来前景
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3D结构，帮助我们更多地了解如何获得功能性蛋白质。
这一突破不仅展示了AI在解决环境问题上的潜力，还为处理难以回收的聚合物提供了新思路。随着技术的进一步发展，我们有望看到更多针对特定塑料类型的定制酶，实现真正的循环经济和可持续发展。
行业影响与意义
每年全球生产约2200万吨聚氨酯，广泛应用于鞋类、家具、绝缘材料等领域。传统处理方法面临效率低、污染高等问题。这项研究成果为聚氨酯废弃物的高效回收提供了可能，将显著减少环境污染，同时降低原材料需求。
更重要的是，这种方法可扩展到其他难以降解的聚合物，为整个塑料污染问题提供系统性解决方案。随着AI辅助蛋白质设计技术的不断进步，我们可以期待更多针对环境挑战的创新解决方案的出现。
技术局限与挑战
尽管这一成果令人振奋，但仍面临一些挑战：酶的生产成本、大规模工业应用的稳定性、以及不同类型聚氨酯的适应性等问题需要进一步解决。此外，从实验室到工业化生产之间仍存在不小的差距，需要更多的研发投入和跨学科合作。
然而，随着技术的不断进步和成本的降低，这些挑战有望逐步克服。这项研究不仅展示了AI在解决复杂科学问题上的潜力，也为环境保护和可持续发展提供了新的技术路径。
