塑料污染问题远比我们想象的复杂。根据不同需求，我们使用各种聚合物制造塑料，而每种聚合物由独特的化学键连接。这意味着一种聚合物的分解方法可能不适用于另一种聚合物。尽管我们已成功找到能分解聚酯和PET等常见塑料的酶，但这些仅是塑料废物的部分解决方案。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，专门用于分解聚氨酯——这种常用于制作泡沫缓冲材料的聚合物。
聚氨酯分解的化学挑战
聚氨酯的基本化学键结构。聚合物其余部分由X表示。
最新研究论文揭示了问题的严重性：2024年，全球生产了2200万吨聚氨酯。定义聚氨酯的脲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。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。
消化聚氨酯具有挑战性。聚合物链经常广泛交联，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，但只能在较高温度下进行，并且会留下无法用于任何有用反应的复杂化学混合物。相反，这些废物通常作为危险废物被焚烧处理。
寻找更有效的分解方法
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所有报告的能分解聚氨酯的酶。在测试的全部15种酶中，只有3种对测试的聚合物表现出良好活性，且未能将聚合物分解为其构成原料。
于是，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预测结构数据库识别折叠成相似结构的远距离相关蛋白质。单独来看，这些酶的效果都不理想，但它们被证明是有用的，因为可以用来训练AI寻找能折叠成类似结构的蛋白质序列。
神经网络设计新型酶
研究团队使用的工具是Pythia-Pocket，这是一个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，同时还具有任何其他功能特征。这结合了普通的Pythia（也是一个神经网络），它能预测任何给定蛋白质是否可能形成稳定结构。
研究人员推断，一种良好的聚氨酯分解酶候选者应具备多项特征：在结构上应与他们一直在研究的酶相似；还需要在形成具有酶活性的类似结合口袋的结构与足够灵活以适应不同类型聚氨酯的结构之间取得平衡。为达到这种平衡，团队使用了消息传递接口，每次迭代更新氨基酸位置，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）。
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个表现优于先前已知的最佳酶。这些设计的最佳酶活性比该酶高出30倍。
工业级分解验证
当研究人员将二甘醇混合并加热至50°C时，情况变得更好。在这些条件下，新设计的酶活性比性能最佳的天然酶高出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，可以在其酶活性开始减弱前，再处理两次新鲜聚氨酯混合物。
从实验室测试到公斤级消化的转变显示了相同的结果：95%或更多的材料被分解为制造聚氨酯的原始原料。
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三维结构，告诉我们更多如何获得功能蛋白质的知识。
技术意义与未来展望
这一突破不仅解决了聚氨酯分解的技术难题，还为塑料循环经济开辟了新路径。传统的塑料回收方法往往只能处理特定类型的塑料，而AI设计的酶技术可以针对不同聚合物特性进行定制，大大提高了塑料回收的效率和可行性。
随着全球对可持续材料的需求不断增长，这种生物催化技术有望在多个领域得到应用。从鞋类制造中的泡沫缓冲材料到建筑保温材料，再到汽车零部件，聚氨酯无处不在。能够有效回收这些材料不仅减少了对原始石油资源的需求，还显著降低了环境污染。
研究人员表示，这种方法不仅限于聚氨酯，还可以扩展到其他难以生物降解的聚合物。通过结合人工智能预测和蛋白质工程，未来可能开发出更多针对特定塑料的高效分解酶，为解决全球塑料污染问题提供系统性解决方案。
从实验室到工业应用的挑战
尽管这一成果令人振奋，但将实验室技术转化为工业规模应用仍面临诸多挑战。首先是成本问题：大规模生产这种AI设计的酶需要优化发酵工艺，降低生产成本。其次是稳定性问题：虽然酶在实验中表现出良好的稳定性，但在工业环境中可能面临更复杂的条件，需要进一步提高其环境耐受性。
此外，回收产物的纯度和质量也是关键因素。只有确保分解后的原料能够重新用于高质量聚氨酯生产，才能真正实现闭环循环。研究人员正在与工业合作伙伴合作，解决这些工程挑战，推动技术从实验室走向实际应用。
结论：塑料循环的新曙光
这项研究代表了生物技术与人工智能融合的又一重要突破。通过神经网络设计的高效分解酶，我们看到了解决塑料污染问题的新曙光。随着技术的不断成熟和规模化，这种基于生物催化的塑料回收方法有望成为未来循环经济的核心技术之一，为构建可持续发展的社会贡献力量。
正如研究人员所强调的，这种方法不仅关注蛋白质结构，还整合了功能信息，为蛋白质设计提供了全新思路。未来，随着AI技术的进一步发展和蛋白质工程的进步，我们有望看到更多针对特定环境问题的定制生物解决方案，为人类面临的可持续发展挑战提供创新答案。
