塑料污染常被视为单一问题，但实际情况要复杂得多。根据我们所需的不同特性，塑料由各种聚合物构成，每种聚合物都由独特的化学键连接。因此，降解某一类型聚合物的方法可能与另一类型的化学性质不兼容。这一难题解释了为何尽管我们已成功找到能降解聚酯和PET等常见塑料的酶，它们仍只是塑料废物的部分解决方案。然而，研究人员并未止步于部分成功，他们现在拥有先进的蛋白质设计工具来协助开发新型酶。
聚氨酯降解的挑战
聚氨酯是制造泡沫缓冲材料等产品的常用聚合物。最新研究论文详细描述了这种酶的开发过程，并指出了问题的规模：2024年，全球生产了2200万吨聚氨酯。定义聚氨酯的氨基甲酸酯键涉及一个氮原子连接到一个碳原子，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。由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，但仅能在高温下进行，并且会留下无法反馈到任何有用反应的复杂化学混合物。相反，这些残留物通常被作为有害废物焚烧处理。
寻找更有效的解决方案
为了找到效果更好的替代方案，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道的具有降解聚氨酯能力的酶。在测试了全部15种酶后，只有三种对他们测试的聚合物表现出良好的活性，而且它们几乎未能将聚合物分解为其构成的基本材料。
因此，研究人员将重点放在活性最高的酶上，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。
新型酶的开发
团队使用的工具名为Pythia-Pocket，这是一种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。这被与普通的Pythia（也是神经网络）结合使用，后者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，一种有效的聚氨酯降解酶应具备多个特征。在结构上，它应类似于他们已经研究的酶。它还面临一种权衡：结构要有序到足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。为了平衡这一需求，团队使用了消息传递接口，每次迭代都更新氨基酸位置，并平衡优化结构和结合口袋。他们将 resulting 软件命名为GRASE，即基于图神经网络的活性和稳定酶推荐系统。
突破性成果
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，其中8个的性能优于之前已知最好的酶。这些设计中的最佳者活性比该酶高出30倍。
当研究人员将二甘醇混合物加入并将混合物加热至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，再处理两批新的聚氨酯混合物。
从实验室测试扩展到公斤级消化实验显示了相同的结果：95%或更多的材料被分解为制造聚氨酯的原始材料。
技术创新与未来展望
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，还融入了其功能信息，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，告诉我们更多关于如何获得功能蛋白质的信息。
这项技术的意义远超聚氨酯降解本身。它展示了AI在解决环境挑战方面的巨大潜力，为处理其他难以降解的塑料开辟了新途径。随着全球对可持续解决方案的需求不断增长，这类创新技术可能成为循环经济的核心组成部分，帮助减少我们对原始资源的依赖，同时减少废物填埋和环境污染。
未来，研究人员可能会进一步优化这些酶，提高其在不同条件下的稳定性和效率，并探索将其应用于其他类型的聚合物。随着计算能力的提升和算法的改进，我们可能会看到更多专门针对特定污染物设计的酶出现，为全球环境挑战提供更精准的解决方案。
