塑料污染问题远比我们想象的复杂。根据不同需求，我们使用不同聚合物制造塑料，每种聚合物都由独特的化学键连接而成。这意味着一种塑料的降解方法可能完全不适用于另一种塑料。这一现实挑战促使研究人员不断寻找更有效的解决方案，而最新进展令人振奋：科学家利用人工智能设计出一种新型酶，能够在短短12小时内将聚氨酯泡沫分解为可重复使用的化学品。
聚氨酯：无处不在却又难以降解的材料
聚氨酯泡沫是我们日常生活中常见的材料，广泛应用于鞋底缓冲垫、家具填充物、隔热材料等多种产品中。根据最新研究数据，仅2024年全球就生产了2200万吨聚氨酯。
聚氨酯的化学结构决定了其难以降解的特性。其定义性化学键是尿素键，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其余部分连接。聚合物链之间通常存在广泛的交联，加上其庞大的分子结构，使得酶难以接触到可消化的化学键。
传统上，二甘醇可以在较高温度下部分分解这些分子，但这种方法会产生复杂的化学混合物，无法重新用于任何有价值的化学反应，通常作为危险废物被焚烧处理。这种现状迫切需要更环保、更高效的解决方案。
从现有酶到AI设计：寻找突破口
为了找到更有效的解决方案，研究团队首先测试了文献中报道的所有能够分解聚氨酯的酶。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，而且它们大多无法将聚合物分解回其原始构成材料。
因此，研究人员将注意力集中在活性最高的酶上，通过公共数据库搜索相关蛋白质，并利用AlphaFold预测的蛋白质结构数据库，识别出结构相似但亲缘关系较远的蛋白质。虽然这些蛋白质单独使用时效果不佳，但它们为训练AI寻找能够折叠成类似结构的序列提供了宝贵数据。
Pythia-Pocket与GRASE：AI驱动的酶设计革命
研究团队使用了一种名为Pythia-Pocket的神经网络工具，该工具专门用于确定蛋白质中任何给定氨基酸是否可能接触其结合的化学物质以及其他功能特征。这与普通的Pythia神经网络（预测蛋白质是否可能形成稳定结构）相结合，为研究人员提供了强大的设计平台。
研究人员推断，理想的聚氨酯分解酶需要具备多个特征：结构上应与已知酶相似；需要在结构有序性（形成相似结合口袋以具有酶活性）和灵活性（能够灵活适应不同类型的聚氨酯）之间取得平衡。
为了实现这一平衡，团队使用了消息传递接口，在每次迭代中更新氨基酸位置，同时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系统）。
突破性成果：效率提升450倍
GRASE的成果令人瞩目。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，其中8个的性能超过了先前已知最佳酶。最佳设计酶的活性是先前最佳酶的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。在这种条件下，新设计的酶活性比性能最佳的自然酶高出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，该酶足够稳定，可以在其酶活性开始下降前，额外处理两批新的聚氨酯混合物。
从实验室到工业规模：95%以上的分解效率
将测试从实验室规模扩展至公斤级消化实验时，结果同样令人印象深刻：95%以上的材料被分解回制造聚氨酯的原始材料。
这一突破不仅解决了聚氨酯降解的技术难题，还为塑料循环利用开辟了新途径。与传统的焚烧处理相比，这种方法将有害废物转化为有价值的原材料，大幅减少了环境污染。
AI设计酶的广阔前景
研究人员强调，他们的工具超越了单纯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。
这项研究展示了人工智能在解决环境挑战方面的巨大潜力。随着技术的不断进步，我们可以期待更多针对难降解塑料的定制酶被开发出来，为构建真正的循环经济提供技术支撑。
未来，这种AI驱动的酶设计方法可能扩展到其他难以回收的塑料类型，如聚苯乙烯、聚丙烯等，为全球塑料污染问题提供系统性解决方案。同时，这种方法也为工业酶的开发提供了新思路，有望在生物制药、生物燃料等多个领域产生深远影响。
